網膜血管の分割で、５モデルの予測を単一モデルへ移す
- ５モデルの平均予測を単一モデルへ蒸留し、眼底画像の血管領域と予測確率を得る。
- FIVESのKL方式はDSC 0.8817、DRIVEではDSC 0.8141で、各比較法との優劣はデータセットと指標で異なる。
- 計算負荷の実測値は確認できず、導入先の画像で分割精度、確率、実行負荷を検証する必要がある。
RESEARCH BRIEFS
論文をさくっと読む
掲載済みの論文解説から、研究の要点を短く紹介します。
写真評価AIは属性の指定で回答を変えるか――偏りと人の評価との一致を測る
- AesBiasBenchは、画像評価の回答が属性によってどう変わるかと、人の評価との一致を三つの課題で測る。
- 著者らの感情課題では、性別に関する最高AASを示す集団が、属性なしでは女性、属性ありでは男性だったモデルがそれぞれ19中17だった。
- 写真推薦への適用を考える際は、実際の画像と利用者ラベルで回答差と集団別の一致を検証する必要がある。
クラス別の学習画像数を調整し、分類成績の偏りを抑えるBiCDO
- BiCDOは、固定した検証画像で測るクラス別成績に応じ、次の学習に使う画像数を更新する。
- 著者のCIFAR-10・EfficientNet-B3の比較では、ほぼ同じ総画像数でクラス別正解率の分散が88.7から2.3になった。
- 著者は複数目的での最適性を証明しておらず、収束には十分なクラス別画像数やモデルの収束などの条件がある。
画像・文章・音声を横断して探すための対応付けを学ぶ
- 異なる形式の資料の対応確率を、コーシー・シュワルツ距離で正解へ近づけて学習する。
- 三形式以上では順回りと逆回りの対応を使い、形式数に対して線形に増える整合計算を提案する。
- 著者は六つのデータセットでの有効性を述べるが、確認できた範囲に検索精度の数値はない。
Apple株の翌分終値を予測：ニュース感情10種でMambaとReformerを比較
- 10種類の大規模言語モデルでニュース見出しを採点し、Apple株の1分足と結び付けて翌分の終値を予測した。
- 掲載されたMSE表では10種類すべてでMambaがReformerを下回り、最小値はLLaMA 3.3–70Bのスコアを使った0.1367だった。
- 本文の勝敗数には食い違いがある。実用前には未来の記事の混入と、感情スコアを加える効果を検証する必要がある。
市場データとニュースから根拠付きの投資論点と五段階評価を作るTrading-R1
- 市場、企業情報、ニュースなどから、出典付きの投資論点と五段階の売買評価を生成する。
- 論点の構成、根拠付きの主張、売買判断を順に学び、各段階で教師あり微調整と強化学習を行う。
- 著者らは6銘柄の評価でリスク調整後のリターンとドローダウンの改善を報告するが、確認できた本文から改善幅は特定できない。
AIの攻撃演習をシステム全体へ広げる――サイバーセキュリティの実務を取り込む提案
- 著者らは、AIの攻撃演習をサイバー攻撃演習の対象が広がったものと捉え、モデルと周辺ソフトを一緒に調べるよう提案する。
- 提案には、攻撃者の想定、試験条件の合意、AI固有の失敗への対応、発見事項の報告と対策の調整が含まれる。
- 先行レビューの論文分布を議論の根拠とするが、統合した試験体制の効果を測る独自実験は確認できた本文の範囲で示されていない。
画像劣化に強い分類器を目指す二つの学習法：低周波画像との特徴一致と教師あり対照学習
- 元画像と低周波画像の特徴をそろえる方法と、正解ラベルを使って画像間の特徴を配置する方法を、それぞれ検証した。
- CIFAR-10-Cの平均破損画像精度は通常のResNet-18が68.33％、周波数法が68.60％、対照学習法が69.13％だった。
- 周波数法は平均ぼけ精度が上がった一方、平均ノイズ精度と清浄画像の精度は下がった。
医用画像を縮小する前からMLPで処理する、階層的特徴抽出の検証
- 第IV研究は、医用画像を縮小する前からMLPで処理し、複数の解像度の特徴を課題別の出力に使う枠組みを調べた。
- 著者は低線量PET再構成と画像の位置合わせでTransformer系手法を上回る結果を報告したが、第IV研究のデータセット名や絶対値は確認できた本文にない。
- 著者は臨床導入に向け、複数施設での頑健性、公平性、解釈しやすさを課題として挙げている。
ラベルに誤りがある画像を選んで混ぜる分類学習法
- SelectMixは登録ラベルと分割外予測が食い違う画像を選び、画像と教師ラベルを混ぜて学習する。
- 著者らの表では、CIFAR-10の対称ノイズ40％で最高テスト正解率91.27％、通常のMixupで84.37％だった。
- 混合相手を選ぶクラスの記述には本文内で食い違いがあり、CIFAR-10の対称ノイズ80％では通常のMixupを下回った。
過去の対象画像を保存せず、共通の視覚属性で新しいクラスに適応するVisTA
- VisTAはCLIPを使い、元データ側と対象データ側の属性を画像の注目領域と予測の一致によって対応づける。
- 元データには全クラスの正解ラベルが必要で、対象側では時点ごとに重複しないクラス群のラベルなし画像を使う。過去の対象画像は保存しない設計である。
- 著者らのOffice-31評価では、六方向平均の最終正解率は89.4％。比較表にはバックボーンや対応課題が異なる手法も含まれる。
スマホと腕時計の記録を時間帯ごとに読み、睡眠とストレスの６指標を分類するMIS-LSTM
- 連続値のセンサー記録と離散的な出来事を別経路で処理し、時間帯の順序を統合して日ごとの６指標を分類する。
- 著者らの公開データ内検証では、平均Macro-F1は基本モデルで0.615、UALRE適用後で0.647と報告された。
- 対象データは10人分で、離散記録の集計間隔とUALREの手順には本文内の食い違いがある。