合成画像による学習で
より高精度な3Dモデルをデータ生成

デジタルツインが注目されているのは、実世界では実験できないようなことをサイバー空間のモデルを使ってシミュレーションできるからです。たとえば、都市を丸ごとモデル化したデジタルツインがあれば、災害による被害のシミュレーションをいろいろな要件（条件）で試行・データ収集でき、その結果、より実効性のある災害対策を立てることができます。

このデジタルツインの生成には、対象となる物や領域の形状をレーザーやカメラ画像によって複数のポイントや角度から3次元計測し、そのデータを1つの３Dモデルに結合（統合）していくことが必要です。このデータ結合のカギとなるのが「位置合わせ」と呼ばれる技術です。位置合わせでは、複数の計測データから目印となるポイントを見つけ、それぞれのデータに対応する部分から、距離感や角度など位置関係を推定して連結していきます。AIを使った技術も開発されていますが、一番の問題は「光の当たり方によって、ものの見え方が変化する」ことでした。AIは、見え方の異なるものを同一物と認識できないため、位置合わせが困難になってしまうのです。

そこで間下教授は、コンピュータによる合成画像で光の当たり方の変化を細かくシミュレーションし、そのデータをAIに学習させることで、効率よく位置合わせを行うという手法を開発。さらに「合成画像では現実の世界の複雑さを完全に再現できない」という根本的な問題に対し、ドメイン適応という技術を駆使。合成画像と実際の画像の違いをうまく調和させることに成功しました。この開発により、AIによる位置合わせは飛躍的に性能がアップ。この技術は拡張現実（AR）にも応用できることから、実画像とCG画像をより自然に統合させることが可能になりました。

見えない部分を想像し、
再現できる技術をめざす

実世界を立体的に写し取る3次元計測では、レーザー光を照射するLiDARと呼ばれる技術や距離が測れるデプスカメラによる撮影画像によって、対象までの距離や位置、形状を点群と呼ばれる点の集合として表現します。

このようなレーザーや撮影画像によるスキャンは比較的大きな領域のデータを自動的に計測できるのがメリット。一方で、対象の表面しかスキャンできず、その表面も何かで隠されて見えなかったり対象の裏側はとらえられなかったりして、データに欠損が生じてしまうことは避けられません。

間下教授は、データの欠損部分についてAIを使って補完し、全体の形状を再現させる技術の開発に挑戦しています。使われているのは、AIの深層学習においてある画像の画風やテクスチャなどスタイルを抽出し、別の画像に適用するスタイル変換の技術です。

レーザーやカメラの目が届かないところはたくさんあります。見えない部分を想像して再現できる能力を高めることで、より精度の高いデジタルツインの開発を可能にすることが期待されています。

The post デジタルツインや拡張現実が超進化！<br>実世界を丸ごと3Dモデル化技術 appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

ディープラーニングによる画像セグメンテーションにより、
小児水頭症の脳室の体積を正確に測定　
疾患の定量化や患者に分かりやすく伝えることができるゴールを目指す 　

医療機関との共同研究のテーマは、医用画像から小児水頭症の脳室をセグメンテーションし、より高精度な解析と的確な診断へ導くソフトウェアの開発。特に小児は脳形状が多様であることから難易度の高さも課題となります。

現在、ディープラーニングを活用しながら高い精度で領域をセグメンテーションすることで、対象となる脳室の体積を測り、定量化する技術を開発しています。この技術が確立できれば、 正確に測定された体積から、疾患の定量化や、患者に術前・術後の変化を分かりやすく伝えたりすることが可能になります。

今後ますますニーズが高まる、医用画像の自動セグメンテーションと
画像処理技術に着目！　
既存の技術もブラッシュアップすることで医療分野にAIの技術で貢献

医用画像の対象となる領域を自動でセグメーテーションし、現場の医師が直感的に利用できるシステムの開発は、今後ますます医療分野で必要とされる技術の一つです。

上の画像のように脾臓や肝臓を抽出する技術はすでに広く活用されていますが、その精度をできるだけ上げるために最新のアルゴリズムを使ってその開発に取り組んだり、小児水頭症のように、これまでセグメンテーションの研究例が少ない領域に着目し、ソフトウェアの開発を目指したりしています。

このほか、CTスキャンやMRI画像のノイズ除去や、解像度を上げるなどの医用画像処理に関する研究にも取り組み、医療分野で広く活用されるAI技術の発展に力を注いでいます。

参考文献

1. Medical Segmentation Decathlon, [Online]. Available: http://medicaldecathlon.com/
2. Amber L. Simpson et al. “A large annotated medical image dataset for the development and evaluation of segmentation algorithms”,
   arXiv:1902.09063
3. Paul A. Yushkevich, Joseph Piven, Heather Cody Hazlett, Rachel Gimpel Smith, Sean Ho, James C. Gee, and Guido Gerig. User-guided 3D active contour segmentation of anatomical structures: Significantly improved efficiency and reliability. Neuroimage 2006 Jul 1;31(3):1116-28. [Online]. Available: www.itksnap.org

The post <strong>AI技術を駆使した医用画像処理研究で</strong><br><strong>小児水頭症の脳室領域抽出をより高精度に</strong> appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

一目でわかる心理カウンセリングの流れ　
多様なアプローチによるデータの可視化

テーマの一つは、心理カウンセリングの会話を記録したテキストデータを使った視覚的分析です。心理カウンセラーの世界では、スキルアップのためベテランがカウンセリング記録を基に分析や、経験の浅いカウンセラーの指導をするのが一般的。しかし膨大なテキストデータの内容をチェックするのは手間がかかります。

そこで、テキストマイニングを使ったデータ分析と可視化の方法を探っています。カウンセラーとクライエントの発話内容を、設定したキーワードの出現頻度などによってカテゴリーに分類し、それぞれが出現するタイミングや発話量をグラフで可視化。さらに、カウンセリングを通してクライエントの認知の修正の進行などを可視化する試みも進めています。

SNSを視覚的に分析して感情の動きや揺らぎを把握　
ピアサポートの充実に役立つ基礎研究

また、SNSのデータを使った感情分析についても研究しています。女性特有のがんを抱える人たちのSNSに投稿されたテキストデータを分析。記事ごとに内容がポジティブかネガティブか、投稿者の感情がプラス傾向かマイナス傾向かなどを判定し、時系列によるグラフ化を行っています。

手術や診断結果の告知など治療上のイベントとリンクさせるなど、さまざまな観点から感情の動きや揺らぎの傾向を把握するアプローチを模索しています。多くのデータを分析することで、今まで知られていなかった共通の傾向が浮かび上がる可能性も。医療・教育分野などで注目されているピアサポートの仕組みづくりや充実につながる基礎研究としても期待されています。

The post <strong>どんな単語がどのくらい出てくるかで<br>会話の中に込められた感情が読み取れる!?</strong> appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

開発を目指す製品の機能を始点に、
工学者が生物学の知識へとたどりつくことが可能に　
バイオミメティクスのデータベースとなる知識グラフで、企業の製品開発に貢献

元々「存在論」という哲学用語であるオントロジー。AI分野では、人間とAIが対象世界を共有できる形で明確化・体系化し、共通認識とするために整理する手法を研究する分野を指します。その基礎理論に基づいて古崎教授が1996年に開発したフリーソフトウェアが「法造」です。

また現在研究を進めているのが、知識の構造を繋いだ知識グラフ（ナレッジグラフ）。知識グラフは世界中で作成され、さまざまな分野に応用できますが、古崎研究室で開発した知識グラフの１つが、生物の知識のない工学者が、新製品開発の際に「模倣できそうな生物をみつけたい」というニーズに応えるバイオミメティクス・データベースです。

たとえば作りたいものが「防汚・抗菌塗料」であれば、そのゴールを始点にさまざまな知識が提示され、カタツムリの粘液にそうした効果がある、というところへたどり着くことができる仕組みです。

LODで誰もが自由に利用できるデータを用いて
ナレッジグラフ推論チャレンジなどのイベントを開催　
推論できるAIシステムの開発を目指します

2007年頃から世界中で広まっているのが、情報をオープンな知識グラフであるLOD（Linked Open Data）として公開しようという動き。プログラムからアクセスでき、Webで公開されかつ自由に利用できるというもので、1つの情報をたどるとあらゆる知識にたどり着けるというのが究極的に目指されているところです。

それがどのくらい活用できるかを示すために古崎教授たちが2018年から毎年開催しているのがナレッジグラフ推論チャレンジというコンテストです。挑戦者はシャーロック・ホームズの小説を知識グラフ化したものを使って推理を進めます。

また2022年からは日常生活が対象の推論チャレンジも開始。日常生活の中での危険なポイントを知識グラフから探る試みで、知識を駆使して的確に考え答えを出すという人間の知的活動の最たるものを、AIで可能にする。その実現を目指して研究しています。

The post <strong>世界中の誰もがデータと知識を共有し<br>人間の知見を超えて新たな発見へと導く</strong> appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

世間で活躍するAIの作業の多くは
「思考」や「理解」というより「翻訳」

「リンゴとは何か説明してください」と質問されたら、多くの人は「木になる赤い果物」と答えるでしょう。けれども、答えの続きは、たとえばリンゴ農家と画家ではかなり異なるはずです。両者が対話すればリンゴの知識が増え、お互いに対する理解も深まります。その後リンゴを育てる時、あるいはリンゴを描く時のヒントを得るかもしれません。

一方、最近のAIに同じ質問をしても、ある程度詳しく答えてくれますし、私たちが日常話す言語である自然言語を使ってやりとりするので、AIが考えているように感じます。しかしそれは「リンゴ」という単語に紐付いた文言を取り出しているだけであってコンピュータがリンゴについて理解して答えているわけではありません。

自動翻訳・自動チャット・要約・絵を書くツール等もコンピュータが考えているのではなくプログラムに沿って該当する文言や絵を提示している「翻訳技術」なのです。

汎用型「翻訳」からオーダーメイド「通訳」へ　
対話の実現に必要な「意図の推論」をめざす

英語から日本語への自動翻訳など、翻訳技術の精度は高くなっていますが、AIと話が噛み合わない経験をした人も多いと思います。これは、「リンゴは赤い」とだけ定義すると青リンゴはリンゴでなくなってしまうように「Aを語るとA以外を捨てる」という言葉の持つ特性と関わっています。

こうした誤りを防ぐにはコンピュータと「対話」を重ねてリンゴの意味をより豊かにすることが不可欠です。対話を増やすことで、AIは前後の文脈や問題の個別性をふまえた内容を返すことができます。つまり翻訳から通訳へのバージョンアップです。AIが対話を実現するには人間の意図を推論する必要があります。

竹内研究室ではネット上にあるさまざまなテキストを機械学習で解析し、さまざまな意図パターンを整理しています。「わかるとは何か」というAIの根源を見つめ直す研究でもあるのです。

The post <strong>人間が自ら解決策を導き出すための</strong><br><strong>良き相談相手になれるAIを研究</strong> appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.

動くドローンをどこまでも追尾して給電し続ける
アンテナシステムをシミュレーション

スマートフォンを置くだけで充電できるのは、電波で電力を送る無線電力伝送技術のおかげ。もっと遠くに大きな電力を届ける技術が開発され、IoTを支える各種センサーへの給電などの実用化が進行中です。

何研究室では、ドローンが長時間滞空できるよう、動くドローンを追尾して電波で電力を送るアンテナのシミュレーションを行っています。シミュレーションではアレーアンテナと呼ばれる複数のアンテナを並べた機構を活用。アンテナにかける電圧を変えることで、電波を特定方向へ送り、通信の安定性を確保するビームフォーミング技術を実現し、ドローンを追いかける仕組みの確立が目標です。現在、最も効率的に電波を受信できるアンテナの形状、配列を、数値解析によって探っています。

地下に埋められた水道管のサイズや深さをAI判定　
機械学習に必要な大量データを作成する技術

何研究室では、電磁波の数値解析によるシミュレーションを、多様な分野に活用しています。

地下探査レーダもそのひとつ。老朽化した水道管やガス管の取り換えの際に、どんな深さにどんな口径・長さの管が埋まっているか、電波を対象物に反射させ埋設物を判断するなどの用途で使われています。また近年、期待されているのが、埋設物のサイズや埋設深度ごとに違う電波の反射波形をAIを使って判定する技術の開発です。

何研究室では、AIに埋設物を特定させるための機械学習に必要な、大量の反射波形データをつくる方法を、数値解析を駆使して研究しています。今後、遺跡の発掘など利用領域の拡大が予想される地下探査レーダの基礎技術としても期待されます。

The post 電気を運び、見えないものを見る　<br>電波を応用した技術の可能性を広げる appeared first on WHO’S LAB ｜大阪電気通信大学研究室紹介サイト.