チュートリアル

10:30-11:50

Generative Adversarial Networksの基礎・発展・応用

講師：
金子 卓弘（NTTコミュニケーション科学基礎研究所）

概要：
Generative Adversarial Networks (GAN) は近年注目を集めている深層生成モデルの一つであり，Goodfellowらによって2014年に提案されて以降，理論から応用まで多岐にわたる研究が行われている．本チュートリアルでは，GANの基礎・発展・応用について幅広く研究紹介を行いながら，概説する．基礎では，深層生成モデルの中でのGANの位置づけや理論的背景について説明する．発展では，GANを実データに適用する際に有効な技術として，学習の安定化，高解像度化，画像生成の多機能化，ノイズへの頑健化などの工夫について紹介する．最後に，応用では，最新の研究事例を紹介しながらGANの今後の展望について論じる．

13:50-15:10

近似最近傍探索の最前線

講師：
松井 勇佑（東京大学生産技術研究所）

概要：
ベクトルの集合を前にして新たにクエリベクトルが与えられたとき、そのクエリに最も似ているベクトルを高速に探す処理を近似最近傍探索という。近似最近傍探索は画像検索をはじめ様々な文脈で用いられる基本的な操作であり、速度・メモリ使用量・精度のトレードオフの中で様々な手法が提案されている。本チュートリアルでは、アプローチや対象とするデータの規模に応じて近年の手法を分類し、その概観を示す。また、各手法に対応するライブラリを紹介し、大規模データに対する探索を行いたい場合にどのように手法を選択すべきかの道筋を示す。

講演資料：

• SpeakerDeck

15:25-16:45

グラフ信号処理〜基礎から応用まで〜

講師：
田中 雄一（東京農工大学大学院 / JSTさきがけ）

概要：
グラフ信号処理は，定義域をグラフの頂点上に持つ信号ーーネットワーク上のデーターーをスパースに表現するために盛んに研究が行われている信号処理の一分野であり，信号処理や画像処理だけではなく制御，機械学習，医用・生体情報処理などでも注目を集めている．また，例えば適応的画像処理やグラフ深層学習で利用される
graph convolutionなどの手法は，グラフ周波数領域での振る舞いを考えることで，通常の時間・空間領域における信号処理技術の拡張であることが自然に理解できる．本チュートリアルでは，グラフフーリエ変換やgraph convolution の基礎の解説と同時に，近年の周辺分野での研究動向の紹介も行う．

17:00-18:20

『視覚は孤立に存在しない！』からグラント獲得スキルまで教えます

講師：
浅田 稔（大阪大学先導的学際研究機構 共生知能システム研究センター）

概要：
深層学習の勢いは衰えを見せず，様々な応用に広がりつつあり，それがまた新たな応用を生み出すという好循環を繰り返している．ただし，当然万能ではないが，そのように誤解する傾向にある．本チュートリアルでは．MIRUの本題である視覚情報処理に関して，その有用性を十分に認めつつ，共生社会におけるパートナーとしてのエージェントを想定するとき，視覚が孤立には存在しえず，物理的な身体を伴うことで，本来の認識・理解に繋がる点を強調する．相手エージェントの内部状態，心的状態を互いに予測・推定（誤解）することの繰り返しがコミュニケーションの本質であり，それが実空間から仮想空間（これとて，識別には無理がある）へと繋がるとき，「心の理論」が汎化される．最も重要なことは，この「心の理論」を敷衍して，グラントプロポーザルの査読者の心を読め！そらがスキルの核心だ．