【論文紹介】Luminance-GS: Adapting 3D Gaussian Splatting to Challenging Lighting Conditions with View-Adaptive Curve AdjustmentNew!!
「3D Gaussian Splatting (3DGS)」は、3Dシーンの再構成や、新しい視点からの画像合成に活用される技術です。照明の条件が良い場合には優れた性能を発揮しますが、照明条件が悪い場合には脆弱であり、現実世界においてはそのような「過酷な照明条件」が多くあります。今年6月にアメリカのナッシュビル、Music City Center にて開催された国際会議 The IEEE / CVF Computer Vision and Pattern Recognition Conference (CVPR) 2025 では、3DGSの高い効率性を保ちながら、様々な過酷な照明条件に対してロバストな手法「Luminance-GS」を提案する論文 "Luminance-GS: Adapting 3D Gaussian Splatting to Challenging Lighting Conditions with View-Adaptive Curve Adjustment" を発表しました。この成果により、3DGS の利点を活かしたまま、過酷な照明条件に対してロバストな新しい視点合成が可能にになります。将来的には、3DGSをより実世界に近い応用分野へと展開することが可能性となります。
国際会議 WACV 2026 に2本の論文が採択されましたNew!!
コンピュータビジョンに関する主要な国際学会の一つである WACV 2026 (The IEEE/CVF Winter Conference on Applications of Computer Vision 2026) において、当研究室から2本の論文が採択されました。
【論文紹介】Offline Reinforcement Learning with Wasserstein Regularization via Optimal Transport Maps
オフライン強化学習（Reinforcement Learning, RL）は、ロボティクスのようにデータ収集が高コストな状況において有用な手法です。今年8月にカナダのエドモントンで開催された国際会議 Reinforcement Learning Conference (RLC) 2025 では、オフラインRLにおける大きな課題の一つである「分布のずれ」を緩和する新たな手法「Q-DOT」を提案する論文 "Offline Reinforcement Learning with Wasserstein Regularization via Optimal Transport Maps" を発表しました。この成果により、新しいデータを追加で取得しなくても、より安全で安定した学習を行うことが可能になります。無謀な行動を実際に行うことなく効率的に学べるため、自動運転やロボット操作に貢献できる可能性があります。
国際会議 NeurIPS 2025 に4本の論文が採択されました
機械学習のトップレベルの国際会議 NeurIPS 2025 (The Thirty-Ninth Annual Conference on Neural Information Processing Systems) において、当研究室から 4 本の論文が採択されました。
第35回世界コンピュータ将棋選手権 参加報告
2025年5月3日から5日にわたり川崎市で開催された第35回世界コンピュータ将棋選手権に、特任研究員の日高雅俊、博士課程学生の太田 一毅と橋本 智洋が参加しました。iPhoneを用いた合議システムという新しいアプローチが評価され、電気通信大学 エンターテイメントと認知科学研究ステーション より独創賞をいただくことができました。
【論文紹介】Gradual Transition from Bellman Optimality Operator to Bellman Operator in Online Reinforcement Learning
「強化学習（Reinforcement Learning, RL）」は機械学習の一種で、たとえば、ロボットやゲームの操作を学ぶために使われます。 今年7月にカナダのバンクーバーで開催された国際会議 International Conference on Machine Learning (ICML) 2025 では、連続動作向けのRLアルゴリズムに関して、ベルマン最適作用素からベルマン作用素へ徐々に移行する減衰手法を提案する論文 "Gradual Transition from Bellman Optimality Operator to Bellman Operator in Online Reinforcement Learning" を発表しました。この成果により、ロボットが少ない試行回数で効率的に学習できるようになり、これまで学習コストの大きさのために良く学習できなかったいくつかのタスクの学習が可能になりました。将来的には、産業用ロボットや自動運転車など「学習コストが高い分野」で特に役立つ可能性があります。
オープンな日本語Vision&Languageモデル「Asagi」の開発
本研究室では、142億パラメータを持つ、日本語に特化したオープンなマルチモーダルモデルを開発しました。本研究の成果は、3月に開催される言語処理学会第31回年次大会 （NLP2025）で発表予定です。
プリンストン大学 交換留学報告 第二回
プリンストン大学Vision & Learning Labへの交換留学報告の第二回は、博士1年の馬上から研究室での生活や、キャンパスとその周辺の様子についてお届けします。
プリンストン大学 交換留学報告 第一回
プリンストン大学のJia Deng教授が主宰するVision & Learning Labに、本研究室から4人の学生が交換留学生として、6月から8月の間に派遣されました。滞在中の経験などについて、リレー形式で全3回に分けて報告していきます。第一回は修士1年の吉川が滞在中の生活や、街の様子などについて説明します。