Our paper was accepted for AAAI 2021.

Our paper was accepted for presentation at AAAI 2021. 【Information】Edison Marrese-Taylor, Machel Reid and Yutaka Matsuo. Variational Inference for Learning Representations of Natural Language Edits. Thirty-Fifth AAAI Conference on Artificial Intelligence (AAAI-21). February 2021. 【Title】Variational Inference for Learning Representations of Natural Language Edits 【Authors】Edison Marrese-Taylor, Machel Reid, Yutaka Matsuo 【Overview】Document editing has become a pervasive…

Our paper was accepted for Frontiers in Robotics & AI.

Our paper was accepted for Frontiers in Robotics & AI. 【Information】Tatsuya Matsushima, Naruya Kondo, Yusuke Iwasawa, Kaoru Nasuno, Yutaka Matsuo: Modeling Task Uncertainty for Safe Meta-imitation Learning, Frontiers in Robotics and AI, Vol. 7, pp.189, https://www.frontiersin.org/article/10.3389/frobt.2020.606361 (2020) 【Overview】To endow robots with the flexibility to perform a wide range of tasks in diverse and complex environments, learning their…

当研究室の研究がキオクシア株式会社による「2020年度 キオクシア奨励研究」に採択されました




当研究室の論文が人工知能学会論文誌に採録されました。 【Information】 田村 浩一郎,松尾 豊: ソーシャルメディアにおける影響関係から金融市場に対する作用のモデル化と分析, 人工知能学会論文誌, Vol.35, No.6(2020)   【Overview】 The data of social media has received much attention to observe and predict real-world events. For example, It is used to predict financial markets, products demand, and voter turnout. While these works regards social media as a sensor of real world, as social media…


Our paper for IJCAI2020 were accepted. 【タイトル】Stabilizing Adversarial Invariance Induction from Divergence Minimization Perspective 【概要】 Adversarial invariance induction (AII) is a generic and powerful framework for enforcing an invariance to nuisance attributes into neural network representations. However, its optimization is often unstable and little is known about its practical behavior. This paper presents an analysis of…

当研究室の論文がWI2019のBest Student Paper Awardを受賞しました

当研究室博士1年の中川大海くんの発表が、WI2019のBest Student Paper Awardを受賞しました。


【タイトル】Graph-based Knowledge Tracing: Modeling Student Proficiency Using Graph Neural Network
オンライン教育サービス上における受講者の学習ログを元に各受講者の習熟状況を予測する”knowledge tracing”のタスクの改善を目的とした研究。コンテンツ間の関係性をグラフ構造と見なした上でGraph Neural Networksを用いて受講者の習熟を定式化する手法を提案し、従来手法に比べて予測の精度と解釈性を改善した。


image (1).png


Our paper for ICLR2019 Workshop (Limited Label Data), ECML PKDD were accepted.

Our paper for ICLR2019 Workshop (Limited Label Data), ECML PKDD were accepted. 【Information】 Kei Akuzawa, Yusuke Iwasawa, Yutaka Matsuo: “Adversarial Invariant Feature Learning with Accuracy Constraint for Domain Generalization”, in Proc. of European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, 2019. 【Overview】 Learning domain-invariant representation is a dominant approach…

当研究室の論文が人工知能学会 2019年度全国大会の学生奨励賞に選ばれました。

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

当研究室修士1年の谷口尚平くんの発表が、2019年度人工知能学会 全国大会学生奨励賞に選ばれました。


【タイトル】メタ学習としてのGenerative Query Network

Generative Query Network(GQN)は未知の視点からの観測画像のレンダリングを可能にする革新的な深層生成モデルであり,新たな3次元モデリング手法として注目を集めた.しかし,GQNには,莫大な学習コストがかかる点,ハイパーパラメータに敏感で学習が安定しない点などの課題があることがわかっている.また,確率モデルとしての検証が不十分であるために,モデルアーキテクチャの解釈性が低く,発展研究の妨げとなっている.本研究では,これらの課題を解決するため,GQN の確率モデルをメタ学習のフレームワークを用いて定式化し,それに基づいて,学習のコストと不安定性を改善する手法の提案を行う.評価実験ではShepard Metzlerデータセットを用いてその有効性を検証した.

当研究室の論文がICCV2019のWorkshop (Computer Vision for Fashion, Art and Design) に採録されました

当研究室の論文がICCV2019のWorkshop (Computer Vision for Fashion, Art and Design) に採録されました。


【タイトル】UVTON: UV Mapping to Consider the 3D Structure of a Human in Image-Based Virtual Try-On Network

身体構造を考慮をするためにUV mappingという機構を内部に取り入れたモデルを提案し、既存手法の課題を改善した。