近年、震度６弱以上の巨大地震のリスクが高まる中、防災意識の向上が必要不可欠である。従来の3Dシミュレーションはコストやリアリティに課題があり、動画生成AIは実データへの信頼性に欠ける。そこで本研究では、風景画像と地震波データを入力することで、物理的特性を反映した地震動画の生成方式を提案する。手法として、画像から抽出した各建物に対して一自由度系の運動方程式を適用し、構造に応じた減衰定数や固有周期を考慮して個別の揺れを算出・付与する。さらに、カメラの振動やstable diffusionによる地割れ表現を統合することで、没入感のあるリアルな地震動画の生成を実現した。

This paper presents a self-supervised image recoloring method for Deutan deficiency that improves color discrimination while preserving naturalness. The proposed method recolors low-frequency components using a self-supervised module and preserves high-frequency structures through Laplacian pyramid decomposition. Loss functions are designed to emphasize recoloring in color-confusable regions and enhance blue–yellow color differences. Experimental results using only 500 training images demonstrate improved color discrimination for individuals with CVD while suppressing unnatural color changes for individuals without CVD.

ハイパースペクトル（HS）リモートセンシング画像は多数の波長情報を含むためデータ容量が大きく、データ圧縮が求められている。HS画像に直接JPEG圧縮を適用する手法では、高圧縮時にJPEGアーティファクトが発生し、空間構造やスペクトル情報が劣化するという課題がある。本研究では、低解像度HS画像のJPEG圧縮情報と高解像度パンクロマティック（PAN）画像を用い、パンシャープニングに基づくJPEG圧縮HS画像復元の最適化手法を提案する。実験では、同程度のデータ容量条件で従来手法と比較し、復元精度および視覚的品質の向上を定量的・定性的に示す。

点群の法線推定は三次元形状理解における重要な課題の一つであるが，LiDAR点群を対象とした研究は限られている．近年では，大規模点群処理に適したモデルにより，単一ステップでの法線推定が実現されているが，計算効率と推定精度を両立することは依然として困難である．本稿では，LiDAR点群に対する効率的かつ高精度な法線推定手法を提案する．提案手法は，LiDAR点群を点列として表現し，状態空間モデルと系列上での近傍探索に基づく局所注意機構を導入することにより，大域的構造と局所的構造を統合的に捉えるフレームワークを構築する．大規模なLiDAR点群データセットを用いた評価実験を通じて，提案手法の有効性を示す．

量子計算機で画像処理を実現するには，画像を量子状態で表現する量子画像表現を用いる必要がある．これまで，数多くの量子画像表現が提案されてきているが，その各量子画像表現のつながりは明確ではない．また，それらの量子画像表現から古典計算機に画像を取り出す際のPSNR画像復元精度を理論化できている表現はFlexible Representation of Quantum Images （FRQI）と(Novel Enhanced Quantum Representation （NEQR）など一部に限られている．
本研究では，複数の量子画像を結びつける法則を定義し，各量子画像表現が相互に変換可能なことを示す．加えて，これらの量子画像表現は最終的にFRQIかNEQRを基本とする表現に変換可能であり，そこから復元性能が導き出せることを示す．

本研究では，高等教育におけるデザイン教育や感性教育のDX支援を目的とし，3DCGの質感認知プロセスを脳波信号から画像として再構成する手法を検討する．著者らはこれまでに，オープンな脳波データベースを用いた効果的なデータクリーニング手法を報告してきた．本論文では，この生体信号処理技術をベースに高性能な深層生成モデルを活用し，人間が知覚・想起した物体の「光沢感や粗さなどの多様な表面属性」を脳波から直接画像として復元・再構成するアプローチを提案する．実験を通じて質感画像の再現精度を評価し，将来的な教育DXプラットフォームにおける有効性と展望について考察する．

本研究の目標は，ARにおける現実物体を用いた新しいUIの開発である．近年のAI技術の発展
により，多様な物体認識や，物体が持つアフォーダンスの推定が可能となっている．本研究
では，従来の専用デバイス型Tangible User Interface（TUI）とは異なり，一般物体に対し
て意味ベースでUI機能を割り当てる操作体系を提案する．具体的には，物体認識で得た名称
からアフォーダンスを推定し，「剣」「盾」「靴」「食べ物」などのゲーム要素へ対応付け
るとともに，その操作をゲーム内コンテキストとして解釈することで，現実物体による直感
的なAR操作の可能性を示す．さらに，物体の形状や用途に基づく対応付けにより，専用物体
を必要としない柔軟な操作体系の実現を目指す.

本研究の目的は，物語テキストからAIを用いてマルチモーダルコンテンツを制作するための設計図を自動生成することである．コンテンツ生成では，登場人物の属性（e.g., 外見，性格）や関係性を一元管理することが重要である．本研究では，これらの情報を統合的に表現する手段として相関図に着目した．しかし，従来の相関図は手作業による制作に依存し，作成には時間や労力などのコストを要する．そこで本稿では，大規模言語モデルを用いて物語テキストから登場人物の属性や関係性を抽出し，画像生成AIによる外見イメージと統合した相関図を自動生成する手法を提案する．生成された相関図の妥当性を，ユーザ実験により検証する.

本研究では、個人の曖昧な「かわいい」の感性を具現化・共有する画像生成支援システムを提案する。「きもかわ」等5種の感性をLoRAとして学習し、スライダーによる比率調整を可能とした。さらにLLMを用いた対話機能により、曖昧な言語指示を生成パラメータへ変換する。加えて、生成設定をJSON形式の「設計図」として保存することで、生成過程の構造化および第三者による再現を実現した。また、この設計図を活用した3Dモデル生成への応用可能性も示す。評価実験より、本システムが主観的感性の反映と共有に有効であることを確認した。

大学施設などの実空間を3D Gaussian Splatting（3DGS）で表現し，モバイル端末上でWeb表示する際，違和感を覚えない描画フレームレートの維持が課題となる．本稿では，大学施設の一室規模の3DGSシーンを対象に，事前に軽量化したモデルを端末性能に応じて選択する方式と，表示中に描画詳細度を調整する動的LoD制御方式を，同一シーンで同一ルートを描画しながら比較評価する．実験では，再生過程のうち30FPS以上で描画される割合を指標とし，事前軽量化モデル選択方式が動的LoD制御方式よりも小規模空間では高い割合を維持しやすい傾向が確認された．

本研究ではジャンプアクションゲームにおけるステージをユーザーの行動に合わせて自動で生成することを目標としている。ジャンプアクションゲームにおいてはステージの構成によって難易度が決まる。さらにステージ構成が悪ければゴール到達が不可能になりうる。本稿ではゴール到達性に着目し、深層学習によるステージ生成においてゴール到達性を満たすステージを生成する方法について述べる。生成するステージは敵やコインの配置は除き、地形のみを学習する。生成するのはステージを構成するタイルマップ。生成したタイルマップにブロック画像を貼り付け、ステージとする。ゴール到達性は地形によるステージギミックで測る。ゴール到達不能となった場合はブロックを埋め修復する。

本研究は、生成AIを用いた実写ショートドラマ制作の工業化ワークフローを提案・検証したものである。近年拡大する同市場では、制作コストの抑制と映像の一貫性維持、複数人での協調管理が課題となっている。これに対し、本研究では「脚本ロジック駆動」「アセットの精緻化」「動的シミュレーション」を核とする管線を構築。LLMによる分コンテ生成、LoRA等による視覚的一貫性の保持、動画AIによるカメラワークのシミュレーションを統合し、Lark多次元テーブルで進行を最適化した。実証実験としてショートドラマ『天淵』を制作した結果、制作周期を大幅に短縮しつつ、映画レベルの審美性と一貫性を両立できることを確認した。

本研究では、ピクセルアートのキャラクタースプライトと自然言語記述を共通の埋め込み空間で対応づける、対照学習に基づくピクセルアート視覚言語モデルを提案する。インターネット上には膨大な数のキャラクタースプライトが公開されているが、現状では所望のデータをテキストクエリによって検索することが困難である。一方、一般に利用可能な既存の視覚言語モデルは、事前学習分布の偏りからピクセルアートへの対応が不十分なため、ドメイン固有属性の表現に限界がある。そこで本研究では、キャラクター画像をピクセルアート化したスプライトとキャプションのデータセットを新たに構築し、これを用いてLong-CLIPをファインチューニングすることで、テキストクエリによるキャラクタースプライト検索を実現した。

筆者らは，宇宙探査における仮想天体モデルの作成・可視化に取り組む一方，係る要素技術を広く一般の利用に供するための試みにも継続して取り組んでいる．その一環として，普及価格帯のPC等で取り扱える規模の形状簡略化や，一般の３D CGソフト等で対応可能な表面材質のコンフィグレーション等も検討対象としている．これらの要素は可視化環境の性能・機能とのトレードオフとなる部分が大きいと考えられる．本稿においては，リアルタイムレンダリングも想定しつつ，可視化環境に適用する天体モデルの規模や表面材質の種別等の目安を得るための性能・機能評価について報告する．

深層学習によるぶれ画像復元の性能は，学習データセットの質に大きく依存する．本論文では，ConvNeXt-V2を基盤とした復元手法において，事前学習データセットの改良による性能向上を検討する．具体的には，ImageNetによる大規模化に加え，ラプラシアン微分とYOLOv8を組み合わせ，過度にぶれた画像を除外する．さらに，再学習時にはCharbonnier LossとEdge Lossを組み合わせた損失関数を導入した．GoProデータセットおよび構築したナンバープレートデータセットを用いた実験により，PSNRおよび文字認識精度の両面で従来法を上回る結果が得られ，提案法の有効性を確認した．

監視カメラ映像は、低照度環境の影響により視認性が著しく低下し、ノイズの混入も多いため、監視や画像解析の精度に悪影響を及ぼす。本論文では、非ペアのデータで学習可能な非教師学習法のEnlightenGANと、ノイズ除去法を効果的に組み合わせた新たな低照度映像処理手法を提案する。提案手法では、映像の明るさとコントラストを自然に補正しつつ、暗部強調に伴って増幅されやすいノイズを適切に抑制する。これにより、従来の単一処理では困難であった輝度向上と画質悪化の防止の両立を実現した。実験を通じて、提案手法が視認性を大幅に向上させ、監視映像の品質改善に有効であることを示す。

This paper proposes a frequency-guided Mamba-based framework for learned image compression (LIC). Existing Mamba-based LIC methods rely on fixed directional scanning and homogeneous entropy modeling, limiting adaptation to diverse image structures. To address this issue, we introduce Frequency-Guided Adaptive Scan (FG-AScan) and a Selective Hybrid Entropy Model (SHEM). FG-AScan dynamically adjusts scan directions according to local frequency information, while SHEM combines Mamba and local attention branches through frequency-guided routing. Experimental results show that the proposed method achieves better rate-distortion performance than MambaVC.

H.266/VVCから新たに導入された符号化ツールであるCross Component Adaptive Loop Filter (CCALF)は輝度成分を入力として色差成分を補正するフィルタであるが，フィルタ係数をピクチャ単位で探索する必要があり，リアルタイムハードウェアエンコーダにおいては実装が現実的でない．そこで，固定化したフィルタ係数パターンのプリセットを事前に導出する手法およびその符号化性能について考察する．本手法によりフィルタ係数導出過程を省略することが可能になり，ハードウェア実装の簡略化が期待できる．

世界的な映像トラフィックの増加により、今後さらなる映像符号化の圧縮効率の向上が要求される。動画圧縮規格を策定する国際的な専門チームであるJVETはニューラルネットワークを用いてより高い符号化効率を実現するNeural Network-Based Video Coding(NNVC)を開発した。
本研究ではNNVCに採用されている、Neural Network-Based In-Loop Filter (NNIF)を対象にGPUを用いた高速化を目的として、SADL形式のモデルを ONNX形式に変換し、推論性能を評価した。評価ではSADL形式のモデルをCPUで、ONNX形式のモデルをGPUで実行し推論時間を比較した。その結果、ONNX（GPU）はSADL（CPU）に対して33%以上の削減を示した。以上より、ONNX形式への変換およびGPUによる推論高速化の有効性を確認した。今後は符号化フローに組み込み、圧縮性能への影響を評価する。

H.266/VVC は高い圧縮性能を実現する一方で，動き予測処理を中心に計算量が著しく増
大しており，リアルタイム処理の実現が困難である．本稿では，カメラに搭載された角速度センサから得られる物理情報に着目し，角速度情報とVVC における動きベクトルとの相関を利用することで，一次探索の探索範囲を削減し，符号化処理の高速化を実現する手法について検討する．

本研究では，YCbCr色空間を用いた欠損画素復元手法におけるモデル性能と欠損パターンの関連性を多次元的に分析し，その構造的特徴を明らかにすることを目的とする。異なる欠損パターンで学習した複数の復元モデルについて，評価画像のPSNRから性能ベクトルを構成し，PCA（主成分分析）およびMDS（多次元尺度構成法）を用いてモデル間の相関構造を可視化する。さらに，既報のRGB色空間における分析結果との比較を通して，色空間の違いがモデル性能の相関構造に与える影響について検討する。

音声情報を用いずに発話内容を推定する読唇技術では、多くの研究においてRGBカメラ画像が利用されている。しかし、RGB画像は照明条件の影響を受けやすく、認識性能が低下するという課題がある。本研究では、TrueDepthカメラから取得した3次元ポイントクラウドデータから深度画像を生成し、読唇に利用することで、照明変動に対する頑健性の向上を目指す。日本語単語を対象として、RGB画像およびポイントクラウドデータを同時に取得し、それぞれを用いた認識精度を比較評価した。その結果、高照度環境および低照度環境において、ポイントクラウドデータを利用した手法の有効性を確認した。

道路舗装の損傷であるポットホールは，車両走行時の安全性低下や交通障害の原因となるため，迅速な検知と規模把握が求められている．しかし，従来では特殊車両やLiDARの利用が中心であり，労力とコストを要する．そこで本研究では，車載単眼カメラ画像を用いた低コストなポットホール推定手法を提案する．まず，深層学習によるセグメンテーションにより対象領域を抽出し，単眼深度推定モデルによって相対深度マップを生成する．さらに，得られた深度情報とカメラ内部パラメータを用いて2次元画像を3次元空間へ投影し，陥没の幅・深さ・体積を算出する．本論文では，実測値との比較を通じて本手法の推定精度および適用可能性について評価する．

本研究では，赤外線（IR）画像のみを用いた動作認識において，微細動作認識精度の向上を目的とした2ストリーム構造を提案する．従来研究ではRGB画像とIR画像を組み合わせた2ストリーム手法が用いられていたが，深夜環境などの低照度条件ではRGB画像の取得が困難となる問題がある．また，先行研究では writing や phone call など，手元情報が重要となる動作において再現率が低い傾向が確認されていた．そこで本研究では，IR画像のみを使用し，YOLOを用いて人物領域を抽出した全身IR画像と，OpenPoseを用いて抽出した手元領域IR画像を用いた2ストリーム構造を提案する．

モバイルARの高精度な自己位置推定では、計算コストと精度のトレードオフが課題である。局所特徴量に依存する従来手法(BoVW等)は照明や視点の変化に弱く、位置推定が失敗する可能性が高い。本研究は、実用的な処理コストと精度のバランスを目的とする統合パイプラインを提案する。具体的には、前段の画像検索に空間の意味的文脈を理解する基盤モデルであるViTベースのDINOv2を用いてデータ絞り込みを行う。さらにマッチング段階には、視点や照明変化に強いマッチング手法であるLoFTRを組み込む。これにより、限られた計算資源でもロバストな位置推定を実現し、従来手法との比較を通じて有効性を検証する。

デジタルツインなど空間情報分野の発展が進んでいる。その中で、リアルタイム性のあるデジタルツイン構築が必要であると考えている。リアルタイム性を持たせることで事故や災害等による道路や建物に関する変化をすぐに反映することができる。そこで、世界的に普及しているスマートフォンから画像情報を用いて、リアルタイムに都市の情報を更新することが可能となり、都市の3Dデータを頻繁に更新することができると考えた。本研究では，スマートフォンのカメラ・各種センサと都市のデジタルツインデータを用いて、変化のある対象物までの距離を高精度に推定することで，特別な機器を用いずにデジタルツインの更新を可能にすることを目的とする。

Compute shader 等を用いた億単位の点群の高速レンダリングにおいて、膨大なファイルの読み込みの効率化を図る技術を提案する。事前のOctree 構造化ではなく、Octree node ID を用いることで、計測装置の出力に近いファイル形式を踏襲し、リアルタイムに近い表示が可能である。また、キャッシュ効果が従来手法と同様なため、CPU メモリ容量に合わせてshader による描画限界性能が引き出せる。

3D Gaussian Ray Tracing（3DGRT）は，Gaussianをレイトレーシングにより直接レンダリングする手法である．3DGRTではカーネル関数を柔軟に設計でき，元論文ではガウス応答をコサイン関数で変調するCosine Modulation（CosMod）により，単一Gaussianの表現力の向上が報告されている．
本稿では，このCosModを複数周波数へ拡張したMF-CosMod（Multi-Frequency CosMod）を導入し，複数データセットにおける画質指標および最終的なGaussian数の比較を通じて，MF-CosModの有効性を評価するとともに，最終的なGaussian数が学習過程のdensificationに依存する点に着目し，既存戦略との関係についても検討する．

本研究では，単一画像から焦点距離に応じた遠近感の変化を再現する新規視点合成手法について検討する．広角撮影では広い範囲を捉えられる一方で遠近感が強調され，望遠撮影では圧縮効果により自然な形状が得られるが十分な撮影距離を必要とする．このように焦点距離はシーンの印象を大きく変化させる重要な要素である．しかし，従来の新規視点合成は，主にカメラ位置や姿勢の変化を対象としており，焦点距離変化に伴う見え方の制御は十分に扱われていない．そこで本稿では，3D Gaussian Splattingを用いて焦点距離とカメラ距離を連動させたデータセットを構築し，既存の新規視点合成モデルを微調整することで，焦点距離変化が可能か検証する．

ホログラフィックプロジェクタは，コンピュータで作成された計算機合成ホログラム（CGH）を用いて，三次元映像を投影することができる．また，1台のホログラフィックプロジェクタで，レンズを用いずに，距離が異なる複数のスクリーンに焦点の合った映像を投影が可能である．著者らはホログラフィックプロジェクタと再帰性反射シートを用い，空中に三次元の実像を表示するホログラフィック空中ディスプレイ装置を提案している．
本研究では，2台の赤外線センサーを用いて複数ユーザが指先位置情報を取得し，その指先軌跡に基づいてリアルタイムにCGHを生成し，空中に絵や文字を表示するインタラクティブ描画システムを開発した．

本研究では，流体自然現象アニメーションの高速化を目的として，Navier–Stokes方程式に基づく流体シミュレーションに低次元化モデリングを適用する手法を検討する．高次元な速度場をPODにより低次元空間へ射影し，Reduced-Order Modelingにより時間発展を近似することで，流体計算に要する計算コストの低減を図る．得られた速度場を用いて密度場を受動スカラーとして移流し，その時間変化をアニメーションとして可視化する．本稿では，提案手法の定式化と初期的な数値実験を示し，流体自然現象表現への応用可能性を検討する．

自然物・現象のCG表現はリアリステックCGの代表的なものである. 筆者は既に大気散乱を考慮した宇宙から見た青い地球の表示法について発表している. これを改良し, 本研究では，携帯,PC,タブレットでのブラウザ上で動作するWebアプリケーションとして，ユーザの現在地・現在時刻に連動したリアルタイム地球大気レンダリングシステムを実装した．デバイスのGeolocation APIおよびシステムクロックから取得した位置・時刻情報と天文暦計算を組み合わせることで太陽直下点を動的に算出し，レイリー散乱のλ⁻⁴則に基づく波長依存散乱光をレイマーチング法によりリアルタイムに数値積分することで，観測地点から見た大気散乱光を物理則に基づいて再現した．

電子ホログラフィは、３次元映像を空中投影する技術として３次元テレビジョンやゲーム領域に応用が期待されている。しかし、電子ホログラフィで３次元像を投影するために作成される計算機合成ホログラム(CGH)には、計算速度がかかる課題がある。そこで本研究では、CGH計算手法に含まれる三角関数と光振幅と呼ばれる光の波を表す値を近似することで、GPUやFPGAといったハードウェアアクセラレータを用いた際に高速化が見込めるアルゴリズムを開発することを目的とする。そして、本手法をGPUのメモリやSMを効率的に扱えるように実装することで、実際に計算を行った際の計算速度および画質評価を行う。

近年、歯科治療恐怖症の患者数が増加傾向にあり問題となっている。歯科治療恐怖症に有効な治療方法の一つとして不安要因に接していると次第に不安に慣れていくことを利用した暴露療法がある。そこで、不安要因である治療体験を仮想現実（VR）環境で患者に提示する方法を提案している。本研究では、3個の360度カメラで撮影したパノラマ映像からVRフォーマット映像の生成する方法および歯科治療シーンに適した撮影環境について検討した。このVRフォーマット映像を患者が装着したヘッドマウントディスプレイに提示することで効果的な暴露療法を実現する。また、今回試作したVRフォーマット映像についての評価実験を行った。

多視点画像から3D空間を学習することで，任意の視点の画像を生成する3D Gaussian Splatting (3DGS)がある．3DGSは高速なレンダリングを実現できる特徴があるが、モデルサイズが大きい．また近年，表面再構成向けのPlanar-based Gaussian Splattingも提案されている．本研究では，Planar-based Gaussiansのモデルサイズを削減するため，近接する類似のGaussianを統合するNanoGSをもとにPlanar-based Gaussiansの簡略化手法を検討したことについて報告する．

現実世界を仮想空間上に再現するための手法の1つであるフォトグラメトリは、一般的に普及しているデジタルカメラで撮影した対象物を3Dデータ化する技術である。特殊な機材を必要としない手軽な手法で、即時に3Dデータ化が可能であることから様々な分野で活用されている。しかし、この手法は複数方向からの撮影が必要であることから建築物のような大きな対象物の撮影には特殊な機材を要する航空測量が一般的である。加えて地上から建築物を撮影する方法では画像に生じる遠近差が影響し、現状では正確な3Dデータ化が困難である。本研究では画像処理を行い、地上から撮影した画像からフォトグラメトリを用いた建築物の3Dデータ化を可能とする。

スマートフォンなどの汎用ディスプレイを送信機、カメラを受信機として使用し、人間に知覚されない形で情報配信を行う不可視型ディスプレイカメラ通信（I-DCC）が注目されている。著者らはこれまで、ディスプレイとカメラ間の物理層におけるフレーム同期技術を確立し、安定したI-DCCシステムを実現してきた。しかし、従来方式ではRGB各成分に対して輝度値を微小に増減させる形で信号埋め込みを行っていたため、フリッカーが知覚される課題があった。本稿では、視覚感度の低い色差方向に着目し、輝度変化を抑制した色差変調型のI-DCC方式を提案する。実験の結果、高い不可視性と安定した通信性能の両立を実証した。