動画像解析行動認識時系列モデリングセンサフュージョン異常検知
実世界のセンシングデータ（動画像、LiDAR、IMUなど）から、
時間的・空間的な構造を抽出し、行動認識、軌跡予測、異常検知などを実現する研究です。
本研究室では、自己教師あり学習や時系列モデリングに取り組んでいます。
なぜ難しいか
実世界データはノイズ、欠損、オクルージョンなどの問題を含みます。
また、時空間構造の表現は次元が高く、効率的な学習・推論が課題となります。
リアルタイム性が求められる応用も多く、計算効率も重要です。
研究方針
Transformerやグラフニューラルネットワークによる時空間表現学習、
自己教師あり事前学習による汎化性能の向上、効率的な推論手法の開発に取り組んでいます。
評価の考え方
標準的なベンチマークでの定量評価に加え、
実環境での実証実験を通じて実用性を検証しています。
現在の問い
- 1長時間動画からの行動要約と異常兆候の抽出
- 2マルチモーダルセンシングの統合による頑健化
- 3オンライン更新を含む適応的な時空間認識