トピック: Data Augmentation

全セクション横断 4 件

拡散モデルの訓練効率を高める新手法「Attention Separation」が提案された。外部データへの依存を減らしながら生成品質を維持できることが示され、AI開発コストの削減に直結する可能性がある。

深層学習モデルが画像の「背景」に依存した誤った相関を学習する問題を、自動背景置換技術「AutoBackSwap」が解決した。製造・医療・小売など画像認識を基幹業務に組み込む企業の品質管理精度と信頼性向上に直結する成果である。

京都大学らが開発したMOCHIは、複数人が物体を共同操作する動作データのノイズを自動修正する技術である。製造業や医療、エンタメ分野でのAI訓練データ取得コストを大幅に削減する可能性がある。

カナダの研究チームが深層学習を用いた新生児MRI再構成の精度向上に成功した。成人データのみで訓練したモデルを新生児に適用する際の課題を克服し、医療機器メーカーや病院経営に広範な影響を与えうる成果である。