医学文献の一次選別を前に進める、査読者の判断で順位が変わる検索画面
- DenseReviewerはPubMed文献とPICO条件を入力し、タイトル・要旨の確認順を提示する。
- 担当者の採用・除外判断を受け、未判定文献の順位を更新する。
- 本稿はツールのデモが中心で、新たな性能比較の具体的な数値は確認できない。
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。
ドローンの再訪問と地上車両での充電を一緒に計画する災害監視手法
- ドローンの訪問先と地上車両での充電合流先を、各地点の再訪問間隔を考慮して順に選ぶ。
- 著者らは、検証した地点数・分布の条件で、比較対象より解の品質と実行時間が良好だったと報告する。
- 災害事例はシミュレーションであり、現場利用には道路変更や観測誤差の下で充電合流が成立するか検証が必要である。
誤報と見逃しを含む更新通知から、次に巡回するWebページを選ぶ
- 誤報と見逃しを含む更新通知を、前回巡回後の経過時間とともにページごとの巡回価値へ反映する。
- 一定間隔で価値が最大のページを選び、総巡回頻度を一定にする方針を示す。
- 著者らは既存データで通知の不完全さを測定したが、主要な性能比較の数値と条件は確認できた本文の範囲では不明である。
投票と委任の費用から代表者を選ぶ――委任経路と投票権の集中も検討
- 各人の投票・委任費用と承認関係を使い、予算内で全員が代表される投票者と委任先を選ぶ。
- 基本問題は多項式時間で解ける。委任先を複数承認できる場合、本文に示された経路長・投票権の上限条件では各問題がNP完全になる。
- 本文の6人の例では、費用最小の案は総費用8で、一人に6人分の投票権が集まる。
新しい服装を学んでも以前の姿を描く人物アバター
- 新しい衣装の学習時に旧モデルで過去の描画を再生し、以前の姿を保つ手本にする。
- 全体・局所の見た目表現と姿勢蒸留を組み合わせ、色の混入と姿勢の忘却を扱う。
- 著者らのZJU-MoCapでの新視点描画PSNRは29.495で、継続学習版PersonNeRFの28.605を上回った。
脳MRIの領域分割で、画素ごとの転移リスクを追加学習に反映する
- 元の学習画像を使わず、学習済みモデルと対象側のラベル付きMRIから画素座標ごとの転移評価を作り、追加学習に使う。
- 著者らはFeTS 2021とiSeg-2019で評価し、全体の改善をそれぞれ4.37%、1.81%と報告した。
- 導入時は対象側の正解ラベルが必要で、LEEPの値と重みの対応、および学習用と評価用の分離を確認する。
辺の種類に応じて伝える特徴を調整するEdgeGFL
- EdgeGFLは、辺の種類に対応する多次元の表現を使い、ノード間で伝える特徴を成分ごとに調整する。
- 著者らは四つの実世界の異種グラフで、ノード分類とクラスタリングの結果を報告している。
- 確認できた本文の範囲では結果表がなく、データセット名、評価指標、改善幅は特定できない。
顔動画から心拍数を推定する：顔追跡と色信号で動きの影響を抑える方法
- 顔の特徴点で測定領域を追い、CIELABのa*成分と周波数図上の折れ線調整から心拍数の推移を求める。
- 著者は19人の動画26本で、参照心拍数に対する動画別MAEの平均1.95 BPMを報告した。
- 動画全体を使うためリアルタイム測定はできず、17秒強の解析窓では短時間の心拍数の急変を捉えられない。
二つの指示文の潜在コードを統合して画像の属性を変えるAVI
- AVIは、二つの指示文から得た生成途中の潜在コードを特異値分解し、成分を統合して画像属性を編集する。
- 著者らは、特異ベクトルの並び順が生成時刻によって変わるという観察を編集手順に利用する。
- 30サンプルの時刻間の測地距離は報告されているが、確認できた本文の範囲では編集品質の比較数値は確認できない。
画像ごとに視覚モデルを一時調整するLoRA-TTT：分類精度と予測確率を分けて読む
- 画像エンコーダー内のLoRAを判定画像ごとに更新し、分類名の文章特徴は事前計算する。
- 著者らの表では、元のCLIPに対する平均top-1精度の差はImageNet派生4種で5.79ポイント、細かな分類10種で1.36ポイントだった。
- 両損失を使う設定の期待較正誤差は元のCLIPより大きく、予測確率の信頼性は別途検証が要る。
文章中の語と動作の時点を結び付ける生成手法CASIM
- CASIMは文章を語ごとに表現し、動作の各時点との対応を学習して人の動作を生成する。
- 著者らは、順次生成方式と雑音から段階的に生成する方式を含む五つの既存モデルに組み込んで評価した。
- HumanML3Dの表3では、MDMのTop1 R-Precisionが0.471から0.502へ、FIDが0.325から0.165へ変化した。
学習時より長い文章のために、語の距離を複数の尺度で表す位置表現
- トークン間の距離を、尺度とシフトが異なる複数のウェーブレット関数で表し、注意得点に組み込む。
- 著者らのWikiText-103検証では、学習時の最大長512、入力2512トークンを分割しない条件のパープレキシティは提案法17.99、ALiBi18.41だった。
- 社内文書への適用は未検証であり、回答の正確さと処理負荷を同条件の基準方式と比べる必要がある。