| 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 | 2026-01-23 11:30 マルチモーダルSplit Learningにおける欠損モダリティの補間手法 ○山下優衣（青学大）・田谷昭仁（東大）・戸辺義人（青学大）  SeMI2025-61 |
|
| 抄録 | （和） | SL（Split learning）とマルチモーダル学習を組み合わせた環境では，通信障害などにより，クライアントで生成された中間特徴の一部がサーバに届かないモダリティ欠損が発生し，推論性能の低下を招く可能性がある．この課題に対し，単純な補間手法と欠損を考慮した学習により，一定の分類精度が達成されたが，補間手法の有効性はデータセットやモダリティの特性に依存する可能性が考えられる．本研究では，CL（Contrastive Learning）をクライアントが学習する中間特徴の表現空間の整合の学習に適用することで，推論時のモダリティ欠損にロバストなモデルの構築を目指す．実験の結果，CLの導入により分類精度の向上が確認されるとともに，モダリティ間の寄与バランスの変化と分類精度の向上は必ずしも一致しないことが示された． |
| （英） | In environments that combine split learning (SL) and multimodal learning, communication failures may cause intermediate features generated by clients to be partially unavailable at the server during inference, which can adversely affect inference performance. To address this issue, previous studies have shown that simple imputation methods and training considering missing modalities can achieve a certain level of classification accuracy; however, the effectiveness of such imputation methods may depend on the characteristics of the dataset and modalities. In this study, we aim to construct a model that is robust to missing modalities during inference by applying contrastive learning (CL) to learn the alignment of the representation space of intermediate features trained at clients. Experimental results show that while the introduction of CL improves classification accuracy, the relationship between modality contribution balance and classification performance is not necessarily straightforward. | |
| キーワード | （和） | 分散学習 / Split learning / 対照学習 / マルチモーダル学習 / モダリティ欠損 / / / |
| （英） | distributed learning / split learning / contrastive learning / multimodal learning / missing modalities / / / | |
| 文献情報 | 信学技報, vol. 125, no. 325, SeMI2025-61, pp. 91-96, 2026年1月. | |
| 資料番号 | SeMI2025-61 | |
| 発行日 | 2026-01-15 (SeMI) | |
| 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 | SeMI2025-61 |
|
| 研究会情報 | |
| 研究会 | SeMI |
| 開催期間 | 2026-01-22 - 2026-01-23 |
| 開催地（和） | 三菱電機 湯布院保養所 |
| 開催地（英） | |
| テーマ（和） | センシング，モビリティ，モバイル・ユビキタスコンピューティング，センサ・アドホック・モバイルネットワーク，アプリケーション，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SeMI |
| 会議コード | 2026-01-SeMI |
| 本文の言語 | 日本語 |
| タイトル（和） | マルチモーダルSplit Learningにおける欠損モダリティの補間手法 |
| サブタイトル（和） | |
| タイトル（英） | Imputation Methods for Missing Modalities in Multimodal Split Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 分散学習 / distributed learning |
| キーワード(2)（和/英） | Split learning / split learning |
| キーワード(3)（和/英） | 対照学習 / contrastive learning |
| キーワード(4)（和/英） | マルチモーダル学習 / multimodal learning |
| キーワード(5)（和/英） | モダリティ欠損 / missing modalities |
| 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） | 山下 優衣 / Yui Yamashita / ヤマシタ ユイ |
| 第1著者 所属（和/英） | 青山学院大学 (略称： 青学大) Aoyama Gakuin University (略称： Aoyama Gakuin Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 田谷 昭仁 / Akihito Taya / タヤ アキヒト |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 戸辺 義人 / Yoshito Tobe / トベ ヨシト |
| 第3著者 所属（和/英） | 青山学院大学 (略称： 青学大) Aoyama Gakuin University (略称： Aoyama Gakuin Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-01-23 11:30:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SeMI |
| 資料番号 | SeMI2025-61 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.325 |
| ページ範囲 | pp.91-96 |
| ページ数 | 6 |
| 発行日 | 2026-01-15 (SeMI) |
[研究会発表申込システムのトップページに戻る]