顕著性モデルのパーソナリゼーション

現在の顕著性モデルは観測者の特性を考慮していない.本研究では観測者の観覧行動による影響を調査し,パーソナライズされた顕著性モデルを構築している.最近私たちが着目し成果を上げているのは,人は年齢とともにどのようにシーン認識の方法が変わるのかという研究である.私たちは4つの異なる年齢のグループに分け,顕著性を予想できる計算モデルを提案した.分析の結果,年齢とともにどのように観測者の認識方法が変わるのかが明らかとなった.

年齢ごとの顕著性マップ (左: 4歳, 右: 青年)

年齢ごとの顕著性マップ (左: 4歳, 右: 青年)

デジタル化粧の分析

デジタル化粧とは画像処理を用いて顔を加工する化粧のことを指す.近年女性達はアプリやプリントシール機を用いて自身の顔を加工し,理想の顔を追求している.現実の顔と理想の顔の違いやデジタル化粧の度合いを定量化するために,平均顔の作成や顔画像の変形方法を研究している.

創造的なフォント探索支援

膨大なフォントの探索においてインスピレーションをもたらす支援ツールとして,フォントの視覚的な特徴とフォントを記述するキーワード(タグ)のマルチモーダルな学習に基づくモデルを用いたフレームワークを提案する.多様なタグ,フォント画像の可能性を提示することができ,ユーザの豊かな発想を支援する.

フォントとタグの組み合わせ入力によって変わる出力タグでは,元のタグだけでは類推できない,探索に有用なタグが得られることを確認した.またユーザスタディにより,提案フレームワークが人の発想に大きな影響を与えることも確認した.

フォント探索支援のUI)

フォント探索支援のUI