本論文では、低照度写真の品質を向上させるためのISO領域変換を行う敵対的多領域変換器を新たに提案する。

光学数理解析を参考して画像を自動的に補正できる機械学習モデルを作って検証した。

深層生成モデルであるVAE（Variational Autoencoder）を用いて、音楽から3Dダンスモーションを自動生成した。

複雑なグラフィックレイアウトの制御可能な生成手法を二つ提案する。一つ目の手法では、事前に学習した深層生成モデルを用いて、制約を満たすレイアウトを生成する。二つ目の手法では、視覚的な包含関係を木構造として表現し、Webページのレイアウトを生成する。最後に、制御可能な生成手法の設計指針を整理し、今後の方向性について議論する。

スーパーマリオゲームレベルを入力として、PixelCNN++モデルを用いることで、新しいマリオレベルを生成するをできるかどうか実験を行った。

血球や造血の研究において、血球の計数は無くてはならない作業である。従来の手法では、 血球計数装置と他の実験装置や、化学物質を用いた染色が必要であり、時間がかかる作業 であった。そこで、本研究ではオブジェクト検出アルゴリズムである「you only look once」 （YOLO）を用いてアフリカツメガエルの無染色血球を自動的に識別・計数する手法に取り 組んだ。学習に用いるデータセットを変更、増強することで、モデルの性能の比較を行った。 その結果、元々のデータセットを明るさをランダムで変更し増強したものが、最も精度が高 くなった。しかし、いずれのデータセットで学習しても、白血球と栓球の識別の精度は、実 用レベルには至らなかった。これは、赤血球に対する白血球と栓球のラベル付きオブジェク トの割合が低すぎることが大きな要因であると考えられる。

ポケモンみたいな部分的観測可能且つ確率的なゲームを複数なエージェントによるランダムマッチングで学習の安定化を実現した。

与えられたヒントに基づいて線画に色を付けるための、条件付き敵対的生成ネットワークモデルを複数提案し、実験を行った。

自動運転のモデリングを車間通信と強化学習を用いて行えるようにSUMOに対するインターフェース(gym環境)の定義をし、強化学習の実験を行うことで、インターフェースが機能するかの検証をした。

楽曲を入力として音楽ゲーム譜面を生成するモデルとして、音声合成のための深層学習モデルであるWaveNetを適用して譜面生成をできるかどうか実験を行った。

NetHackに対して強化学習を適用し，戦略の学習を目指した．そのためのモデルを提案し，有効性を確認した．

eスポーツドメインでのデータセット作成・解説文生成を行った。

RGBカメラで撮られた手部の姿に基づき、三つの深層学習モデルを用いることで、押したいキーを予測する研究。

数学の勉強をする際に効率よく学習するための手法を提案した。問題の依存関係に着目し問題選択の効率化を測った。

イラストの作成時に発生する塗り残しを、深層学習を用いることで簡単に補完できるようにすることを目的とした。

キャラクターイラストからその線画を自動的に抽出する手法として深層学習を用いた。代表的な誤差関数に加えてperceptual lossを用いることで精度を向上させることを目的として実験を行い、結果を比較・検討した。

ニューラルネットワークを用いて翼型推定を約1200倍高速化し、またそれを初学者が容易に扱えるウェブインターフェースを開発した。