本研究は、ウェブ会議における眼鏡反射をリアルタイムで除去することを目的とし、深層展開、MoE、蒸留を統合したモデルを提案する。
既存研究では反射除去精度が不十分、または推論時間が長くリアルタイム処理に課題があった。そこで、高い解釈可能性を持つ深層展開モデルDExNetにMoEを適用して性能を向上させた教師モデルを構築し、軽量な生徒モデルへ中間特徴蒸留を行うことで高速化を図った。
結果として提案モデルは既存モデルと比較して高い精度と大幅なパラメータ削減を実現した一方で、推論時間は約0.3秒/枚に留まり、リアルタイム処理にはまだ課題が残る。今後はさらなる軽量化や照明反射への対応などを検討する。