| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-02-20 10:15 Vision-Languageモデルを用いた説明性のある画像魅力解析 ○吉田 舜・塩原 楓・山崎俊彦（東大）  ITS2023-61 IE2023-50 |
|
| 抄録 | （和） | 画像の魅力を計算機に分析させる取り組みは過去多く行われてきており, 近年ではContrastive Language-Image Pre-training (CLIP) といったマルチモーダルモデルの登場によって更なる進展を見せている. 本研究の目的は, この画像の魅力分析の過程に対して, その説明性を付与することである. 具体的にはexplainable AI やマルチモーダル大規模言語モデルを組み込んだフレームワークを提案し, より判断根拠や言語的な説明を含んだ結果を出力させることが可能であることを示した. |
| （英） | There has been research on making machines analyze the image attractiveness, and in recent years, further progress has been made with the development of multimodal models such as Contrastive Language-Image Pre-training (CLIP). The purpose of this study is to provide basis of judgment and linguistic explanations for the process of attractiveness analysis. Specifically, we propose a framework that incorporates explainable AI and multimodal large language model into CLIP, and show that it is possible to output more explanatory results than existing methods. | |
| キーワード | （和） | CLIP / マルチモーダル大規模言語モデル / 画像品質評価 / / / / / |
| （英） | CLIP / Multimodal Large Language Models / Image Quality Assessment / / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 381, IE2023-50, pp. 82-87, 2024年2月. | |
| 資料番号 | IE2023-50 | |
| 発行日 | 2024-02-12 (ITS, IE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | ITS2023-61 IE2023-50 |
|
| 研究会情報 | |
| 研究会 | ITS IE ITE-MMS ITE-ME ITE-AIT |
| 開催期間 | 2024-02-19 - 2024-02-20 |
| 開催地（和） | 北海道大学 |
| 開催地（英） | Hokkaido Univ. |
| テーマ（和） | 画像処理、一般（予定） |
| テーマ（英） | Image Processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2024-02-ITS-IE-MMS-ME-AIT |
| 本文の言語 | 日本語 |
| タイトル（和） | Vision-Languageモデルを用いた説明性のある画像魅力解析 |
| サブタイトル（和） | |
| タイトル（英） | Image Attractiveness Analysis with Explanation using Vision-Language Model |
| サブタイトル（英） | |
| キーワード(1)（和/英） | CLIP / CLIP |
| キーワード(2)（和/英） | マルチモーダル大規模言語モデル / Multimodal Large Language Models |
| キーワード(3)（和/英） | 画像品質評価 / Image Quality Assessment |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 吉田 舜 / Shun Yoshida / ヨシダ シュン |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第2著者 氏名（和/英/ヨミ） | 塩原 楓 / Kaede Shiohara / シオハラ カエデ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第3著者 氏名（和/英/ヨミ） | 山崎 俊彦 / Toshihiko Yamasaki / ヤマサキ トシヒコ |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-02-20 10:15:00 |
| 発表時間 | 15分 |
| 申込先研究会 | IE |
| 資料番号 | ITS2023-61, IE2023-50 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.380(ITS), no.381(IE) |
| ページ範囲 | pp.82-87 |
| ページ数 | 6 |
| 発行日 | 2024-02-12 (ITS, IE) |
[研究会発表申込システムのトップページに戻る]