2021年度の大学院入試
我、人に勝つ道を知らず 我に勝つ道を知る
シモセラ研究室は情報理工専攻の修士課程及び博士課程学生を募集しています。 研究指導は日本語及び英語で行います。
本研究室は基本的にLinuxでpython言語を使います。 python言語の経験が望ましいですが、未経験でも構いません。 習いたい方がいましたら歓迎します。
シモセラ研究室に配属する学生は自ら下記の研究分野と関連しているテーマを提案しなければなりません。 自分の趣味等に関わる興味があるテーマを提案することを推薦します。 いくつかの学生の研究テーマは下記になります。
- ラフスケッチのペン入れ プロジェクトサイト
- イラストの再照明 プロジェクトサイト/a>
- 劣化した動画の自動修復 プロジェクトサイト
- ファッションスタイルの分類 データセット
- 画像の自動補正 論文
研究分野
- AIを用いたコンテンツ作成の支援（コンピュータグラフィックス）
- Interactive Neural Networks
- Human-Computer Interface (HCI)
- Optimization
- 表現学習 （機械学習）
- Multi-Modal Learning
- Weak Supervision
- Model Compression
- 画像処理（コンピュータビジョン）
- Fully Convolutional Networks
- Hierarchical Models
研究トピック
イラストや動画などのコンテンツをより早く、より高品質に作成することを目的に、機械学習技術を用いたコンテンツ制作支援のためのスマートなツールやインターフェースの構築を目指しています。 この目標を果たすため、畳み込みニューラルネットワーク（深層学習）や条件付き確率場モデルなどの最先端の機械学習技術を採用し、開発しています。 私たちは、クリエイターの日常的なワークフローに大きな影響を与える実用的な問題に焦点を当てています。
具体的には、ラフスケッチの画像を入力とし、線画を出力とするような画像変換タスクを中心に研究を進めています。 これらのタスクは、1枚の画像が数百万のピクセルで構成されているため、大量の画像データを処理する必要があるのが特徴で、畳み込み演算子が高い性能を発揮します。 人間は主に視覚的な生き物であるため、白黒画像の色付け、ラフスケッチのペン入れ、画像補完など、様々なコンテンツ作成のタスクは、画像変換タスクとして定式化することができます。
最近の研究では、様々なタスクで高い性能を発揮する深層学習、特に畳み込みニューラルネットワークを用いた研究が多く行われています。 しかし、万能なソリューションのように見えますが、モデルを設計する際には、計算コスト、インタラクティブ性、表現能力、最適化パラダイムなど、解決しなければならない多くの問題があります。
応募のコツ
- 自分がやる気のある研究テーマを提案しましょう。
- 全体的に考えてみましょう。自分の研究が他人にどのような影響を与えられますか？
- 好奇心を持ってください。
- 簡潔に説明しましょう。
おすすめの自習
研究室の学生の大半は、学部3年生の時にシモセラ研究室に仮配属し、そのまま大学院に進学します。 そのため、大学院に配属してくれる学生よりも2年間のアドバンテージがあります。 このスキルギャップを最小限にするために、真剣に志望する大学院生には、以下の書籍に慣れ親しんでもらうことをお勧めします。