コンピュータビジョン最前線 Summer 2023(コンピュータビジョンサイゼンセンサマーニセンニジュウサン)

【最新動向サーベイ】
・イマドキノ拡散モデル:拡散モデルに関する最近の研究動向を紹介。基本技術、条件付き生成への拡張、生成の高速化について述べ、拡散モデルを学ぶうえで役立つリソースを紹介。

【論文フカヨミ】
・フカヨミ CLIP:2020 年に OpenAI の研究グループによって提案されて以降、さまざまなタスクで利用される基盤モデルとなっている CLIP についてフカヨミ。

・フカヨミマテリアル画像キャプション生成:近年の代表的な画像キャプション生成手法の概要と課題、そしてその課題を解決するために筆者らが ECCV2022 で提案した高速かつ高精度な画像キャプション生成手法“ GRIT ”について解説。

・フカヨミジェスチャー動画生成:これまでのジェスチャー動作生成手法に関する研究を分類しながら、主要技術と残された課題に触れ、その課題に取り組んだ DisCo についての論文および BEAT についての論文の 2 本をフカヨミ。

【チュートリアル】
・ニュウモン深層照度差ステレオ法:照度差ステレオ法の基本的な原理と、照度差ステレオ法の研究で現在主流となっているデータ駆動型の手法をわかりやすく解説。

その他、 4 コマ漫画「ふたり大学生」、 CV 分野の学会・研究会・国際会議の開催日程や投稿日が一挙にわかる「 CV イベントカレンダー」を掲載。
巻頭言 (日浦慎作)

イマドキノ拡散モデルー画像生成の世界を変えた魔法の舞台裏ー (石井雅人)
フカヨミ CLIP-おおざっぱな CLIP を目利きに育てる!- (品川政太朗)
フカヨミ画像キャプション生成ー CNN は不要? Transformer ですべて解決!- (菅沼雅徳)
フカヨミジェスチャー動作生成ー複雑かつ曖昧で不確実な対話の世界!- (岩本尚也)
ニュウモン深層照度差ステレオ法ー照明を操り形状を復元!その最新研究に迫る!- (山藤浩明)

ふたり大学生 (鉄分@Tetuboooon)

CV イベントカレンダー

論文の洪水を一人で泳ぎ切るのは、コンピュータビジョン (CV) 分野ではもはや現実的ではありません。共立出版の「コンピュータビジョン最前線」は、その分野の研究者が動向整理を代行してくれるシリーズで、井尻善久氏・牛久祥孝氏・片岡裕雄氏・藤吉弘亘氏の編により号ごとにテーマを組みます。この Summer 2023 号 (2023 年 6 月刊行) の看板は、画像生成の主役となった拡散モデルのサーベイ「イマドキノ拡散モデル」です。基本技術から条件付き生成への拡張、生成の高速化、学習に役立つ資料までを一気に見渡せます。

論文を深掘りする「フカヨミ」枠は 3 本。多様なタスクの基盤モデルとなった CLIP 、 ECCV2022 採択の画像キャプション生成手法 GRIT 、そしてジェスチャー動作生成の 2 本の論文を、それぞれの分野の執筆者が課題の系譜ごと解説します。チュートリアル枠「ニュウモン」は深層照度差ステレオ法で、照明を操って形状を復元する古典的問題がデータ駆動型手法でどう解かれているかを基礎から説きます。 4 コマ漫画や学会・国際会議の日程をまとめたイベントカレンダーが載るのも、この雑誌的なシリーズならではです。

深層学習と CV の基礎はある前提で書かれており、難易度は大学院ゼミ相当です。研究テーマの周辺動向を短時間で押さえたい院生、製品開発で生成モデルや 3 次元計測を扱うエンジニアが、サーベイの起点として使うのに適した号といえます。