上海交通大学チーム、ICCVで「自适应增强」による分割モデル改善手法発表

交大チーム、ICCVで画期的な「自适应增强」論文を発表 上海交通大学の溥淵未来技術学院智能網聯電気自動車イノベーションセンターの張頌安助手教授指導下、寧徳時代と連携硕士研究課程の学生・易立氏がIEEE/CVF国際コンピュータビジョン会議（ICCV）で「Adapt Foundational Segmentation Models with Heterogeneous Searching Space」と題した研究論文を発表しました。 研究背景 通用基礎分割モデルは、偽装物体や医療検査などの非典型的なイメージドメインでの性能が低く、データセットの準備が困難なことから微調整（Fine-tune）も実施されにくい状況にあります。これを解決するために、分割モデルへの画像前処理の手法が注目されています。 研究現状 現行の画像前処理手法は主に規則ベースで、限られた効果しか得られません。学習ベースの手法は多様な強化効果をもたらしますが、規則ベースの方法とは異なる次数の調整を必要とし、両者の組み合わせには課題があります。 研究成果 本研究では、「自适应增强」（Augment To Adapt）という新しい手法を提案し、32種類の増強技術（22種が規則ベース、10種が学習ベース）を用いて高性能な分割モデルの生成を実現しました。この方法は、異質な探索空間（Heterogeneous Searching Space）を構築することで、パラメータの整合性を確保し、モデルの適応力を大幅に向上させました。また、蒸留技術により最適戦略の適用 Speedupを達成しました。研究の成果は、9つの公開データセット（NJU2k, VT1k, CAMO, NC4k, COD10k, Kvasir-SEG, BUSI, KoletorSDDV2, MTSD）で確認されており、領域特有の強化戦略によって分割精度が显著に向上しました。 共同研究者 論文の第一著者である易立氏は溥淵未来技術学院の电子信息方向硕士研究コースに所属し、コンピュータビジョン、強化学習、分割ドメイン適応の研究をいただいています。張頌安助手教授は、自動運転車両の意思決定システムのアルゴリズム設計を中心に研究し、TITS, TIV, CVPR, ICCVなどで30篇以上の論文を発表。清华大学で博士号を取得後、アメリカ・ミシガン大学で博士号を取得し、アメリカ・フォード自動車社のロボット研究所で研究員を務めた経験を持っています。2023年から上海交通大学溥淵未来技術学院の長聘教職に就任し、智能車、ロボットの意思決定制御アルゴリズム、強化学習、元強化学習、産業エンバイディッドインテリジェンス、AI支援航空エンジン設計等の研究に取り組んでいます。 この研究成果は、非典型領域での画像分割をより高精度に行うための新しい道筋を提示しており、自動運転や医療分野での応用が期待されます。