研究内容
宇佐美研究室では，画像処理・コンピュータビジョン・機械学習を基盤に，4つの研究テーマを柱として活動しています．
研究成果を知る
LLM評価器の判定を検証する
LLMによる評価の信頼性を，三つの試験で調べます．出力の妥当性，同一回答に差をつける「暗電流」，指定した対象を選ぶ精度を検証します．
解剖構造を保持する画像生成によるデータ拡張
解剖構造を保つための制御と生成画像の選別を取り入れ，医用画像の学習データを補う研究です．
1枚の画像から形状と反射率を分けて推定
再ライティングの制約を組み込み，1枚の写真から反射率や形状などを推定する自己教師あり手法です．
計算量と物理制約を考慮した建物IoT予測
関係を計算する近傍ノード数を制限し，帯域幅や接続数の制約を学習に組み込む時空間予測です．
頸動脈超音波のIMT領域をモバイルで抽出する
MobileNetV3による画像の分類とSegNetによる領域分割を組み合わせ，頸動脈超音波解析の軽量化を検討した発表です．
学習ログから次の学習行動を推薦する
教材の閲覧行動から成績を予測し，行動ログを変えたときの予測値を使って推薦方法を検討する研究です．
白色光の内視鏡画像を変換し，ポリープ検出の学習を補う
白色光画像からNBIに似た画像を生成し，ポリープ検出モデルの学習データに加える研究です．
縫合糸の太さを手掛かりにポリープの形と大きさを復元する
既知の太さの縫合糸と照明モデルを利用し，1枚の内視鏡画像からポリープの概略形状と絶対スケールを推定する研究です．
内視鏡の2光源と法線補正でポリープ形状を復元する
2光源の照明モデルと学習による法線補正を組み合わせ，内視鏡画像から奥行きと形状を推定する研究です．
研究の骨格
画像や映像から形状・材質・動きを読み取る技術を研究し，医療，製造，社会インフラへの応用を扱っています．
光・物理・数学に基づくモデルと機械学習を組み合わせ，推定の根拠と，手法が有効に働く条件を調べます．
生成AIの研究では，画像生成による学習データの拡張と，LLMによる評価の信頼性も検証しています．
原理 × 応用
私たちの研究は，基盤的な原理研究と，具体的な応用研究の両面から構成されています．
原理研究
光学・物理・数学に基づく画像理解の基礎
- 物理ベース画像解析
- 時空間モデリング
- 生成モデルの理論
応用研究
実世界の課題解決に向けた技術開発
- 医用画像診断支援
- 外観検査
- 行動認識システム
研究テーマ
各テーマの研究課題，アプローチ，評価方法を紹介します．
医用画像解析・三次元形状復元と診断支援
Medical Imaging, 3D Shape Reconstruction, and Diagnostic Support
内視鏡画像，CT画像，細胞・病理画像を対象に，病変検出から三次元形状復元，診断支援までを扱う研究です．
光・物理に基づく画像理解
Physics-based Vision
光の反射・透過・散乱などの物理現象を考慮し，画像から物体の形状や材質を推定する研究を行っています．
実世界センシングと時空間モデリング
Real-world Sensing and Spatiotemporal Modeling
動画像やセンサデータから，時間的・空間的な構造を捉え，行動認識や異常検知を行う研究です．
生成AI・学習支援・検証
Generative AI, Learning Support, and Validation
生成モデルの開発と評価，AI学習を支援する手法，生成物やLLM評価器の品質検証に関する研究を行っています．
評価の考え方
研究成果の評価は，定量的な指標だけでなく，多角的な視点から行います．
- 再現性: 実験条件を明確にし，評価手順と根拠をたどれる形で成果を公開 - 汎化性能: 特定のデータセットへの過学習ではなく，実環境への適用可能性 - 解釈可能性: 手法がなぜ機能するかの理解と説明 - 社会的インパクト: 研究成果が実社会にもたらす価値