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


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。