トピック: Multimodal

全セクション横断 3 件

研究チームは、自然言語で示された人の集団を特定し、ロボットが社会的に自然な合流位置を1秒未満で予測する手法を発表した。案内・介助ロボットの実用性を高める技術として注目される。

研究チームが外部ツールを自律的に使い分けて動画を生成するAIエージェント「VideoGen-Agent」を開発した。専門知識や人物同一性、物理的整合性が必要な動画生成の精度が既存モデル比19.1ポイント向上し、広告・映像制作業界のコスト構造に影響を与える可能性がある。

ラベルなし地理データを複数モーダルで統合する自己教師あり学習手法「MELT」「SALT」が開発された。不動産評価や物流最適化など地理空間予測を活用する産業で、教師データ不足という構造的課題の解消が期待される。