玉木 徹
TAMAKI Toru
現代と未来の社会を支える画像認識AI
私たちは、動画像理解を中心に、コンピュータが実世界を理解するための研究を行っています。動画は、映像だけでなく音声やテキスト、さらにはその場の状況や文脈まで含むマルチモーダルな情報のかたまりです。こうした多様な情報をAIが読み取り、意味を理解できるようにする技術を探究しています。例えば、スポーツの試合の動画を見て、誰が得点したのか、どんなプレーだったのかを理解したり、病院の検査で撮った画像を見て、病気かどうかを判断したり、監視カメラの映像を見て、何か異常がないかを確認したりできるようにする技術です。画像認識や映像解析、機械学習、深層学習、画像生成AIなど、さまざまな技術を組み合わせて、社会に役立つ新しい動画の使い方を探っています。
担当分野・プログラム
研究区分
人間情報学
研究テーマ
- コンピュータビジョン
- 画像認識AI・動画像解析AI
- 画像生成AI・動画像生成AI
- 深層学習アルゴリズム
- マルチモーダルLLM・VLM
メッセージ
スマートフォンの顔認証や自動運転の歩行者検出には、「画像の中に何が写っているか」をAIが判断する画像認識技術（コンピュータビジョン）が使われています。現在でも社会のさまざまな場所で大量の映像データが利用されていますが、今後は3次元データや複数のセンサ情報を組み合わせた新しい応用も増え、より高度な画像認識が必要になります。数学の行列・ベクトルや確率・統計、情報のプログラミング、物理の光やセンサの知識は、そのための必要な基礎となります。これらの理系の勉強内容は、画像認識AIとして、事故防止やインフラ管理、医療支援など幅広い分野で利用され、社会の安全性や利便性の向上に役立っています。