Degree

• 修士(工学)（東京大学）
• 博士(工学)（東京大学）
• Doctor of Engineering（The University of Tokyo）

Research History

Education

Awards

• MIRU学生奨励賞（2024-08）
• MIRUデモ発表賞（2024-08）
• Best Poster Award（2023-12）
• Best Paper Award at MVA 2023（2023-07）
• MIRUインタラクティブ発表賞（2023-07）
• MIRU優秀賞（2023-07）
• PRMU研究奨励賞（2023-05）
• PRMU月間ベストプレゼンテーション賞（2023-03）
• MADiMa Best Paper Award（2022-10）
• CEA Best Paper Award（2021-08）
• MIRU優秀賞（2020-08）
• 電子情報通信学会 学術奨励賞（2020-03）
• MIRU学生奨励賞（2019-08）
• ISS査読功労賞（2018-06）
• 学生プレゼンテーション賞（2018-03）
• 優秀インタラクティブ賞（2018-03）
• MIRU学生奨励賞（2017-08）
• MIRUインタラクティブ発表賞（2017-08）
• MIRUデモ発表賞（2017-08）
• 卒論セッション優秀賞（2017-05）
• 学生プレゼンテーション賞（2017-03）
• 学生プレゼンテーション賞（2017-03）
• MMM Best Demo Award（2017-01）
• MIRU学生奨励賞（2016-08）
• MIRU学生奨励賞（2016-08）
• 優秀インタラクティブ賞，学生プレゼンテーション賞（2016-03）
• MIRUインタラクティブ発表賞（2015-07）
• Best Demo Award（2014-01）

Others

Papers

• Reasoning-Driven Food Energy Estimation via Multimodal Large Language Models（2025-03） [DOI] [Othres link]
• Focusing on what to decode and what to train: SOVDecoding with Specific Target Guided DeNoising and Vision Language Advisor（2025-02） [DOI]
• WaveFontStyler: Font Style Transfer Based on Sound（2025-01）
• KuzushijiFontDiff: Diffusion Model for Japanese Kuzushiji Font Generation（2025-01）
• SceneTextStyler: Editing Text with Style Transformation（2025-01）
• CalorieVoL: Integrating Volumetric Context into Multimodal Large Language Models for Image-based Calorie Estimation（2025-01）
• KuzushijiDiffuser: Japanese Kuzushiji Font Generation with FontDiffuser（2025-01）
• Health Literacy and Internet Use Among Japanese Older Adults: A Gender-Stratified Cross-Sectional Analysis of the Moderating Effects of Neighborhood Relationships（2024-12） [DOI] [PubMed] [PubMed Central] [Othres link]
• Exploring Cross-Attention Maps in Multi-modal Diffusion Transformers for Training-Free Semantic Segmentation（2024-12）
• Vector Logo Image Synthesis Using Differentiable Renderer（2024-12）
• Calorie-Aware Food Image Editing with Image Generation Models（2024-12）
• CalorieLLaVA: Image-based Calorie Estimation with Multimodal Large Language Models（2024-12）
• Font Style Translation in Scene Text Images with CLIPstyler（2024-12）
• Act-ChatGPT: Introducing Action Features into Multi-Modal Large Language Models for Video Understanding（2024-12）
• A Real-Time Web-Based Intervention with a Multicomponent Group-Based Program for Older Adults: Single-Arm Feasibility Study.（2024-11-26） [DOI] [PubMed] [PubMed Central]
• CLIPFontDraw: Stylizing Fonts with CLIP（2024-11） [DOI] [Othres link]
• RecipeSD: Injecting Recipe into Food Image Synthesis with Stable Diffusion（2024-10）
• A Community-Based Intervention to Enhance Subjective Well-Being in Older Adults: Study Design and Baseline Participant Profiles.（2024-01-26） [DOI] [PubMed] [PubMed Central]
• Improving Cross-Modal Recipe Embeddings with Cross Decoder.（2024） [DOI] [DBLP] [Othres link] [Othres link]
• Multi-Style Shape Matching GAN for Text Images.（2024） [DOI] [DBLP] [Othres link]
• Training-Free Region Prediction with Stable Diffusion.（2024-01） [DOI] [DBLP] [Othres link] [Othres link]
• Contextual Associated Triplet Queries for Panoptic Scene Graph Generation.（2023-12） [DOI] [DBLP] [Othres link] [Othres link]
• Mask-based Food Image Synthesis with Cross-Modal Recipe Embeddings.（2023-12） [DOI] [DBLP] [Othres link] [Othres link]
• MADiMa '23: 8th International Workshop on Multimedia Assisted Dietary Management.（2023-11） [DOI] [DBLP] [Othres link] [Othres link]
• HowToEat: Exploring Human Object Interaction and Eating Action in Eating Scenarios.（2023-11） [DOI] [DBLP] [Othres link] [Othres link]
• Focusing on what to decode and what to train: Efficient Training with HOI Split Decoders and Specific Target Guided DeNoising.（2023-07） [DOI] [DBLP] [Othres link]
• QAHOI: Query-Based Anchors for Human-Object Interaction Detection.（2023-07） [DOI] [DOI] [DBLP] [Othres link] [Othres link]
• CalorieCam360: Simultaneous Eating Action Recognition of Multiple People Using an Omnidirectional Camera.（2023-06） [DOI] [DBLP] [Othres link] [Othres link]
• Patent Image RetrievalUsing Cross-entropy-based Metric Learning（2023-02）
• VQ-VDM: Video Diffusion Models with 3D VQGAN.（2023） [DOI] [DBLP] [Othres link] [Othres link]
• Virtual Try-On Considering Temporal Consistency for Videoconferencing.（2023-01） [DOI] [DBLP] [Othres link] [Othres link]
• Transformer-Based Cross-Modal Recipe Embeddings with Large Batch Training.（2023-01） [DOI] [DBLP] [Othres link] [Othres link]
• Zero-shot Font Style Transfer with a Differentiable Renderer（2022-12）
• Parallel Queries for Human-Object Interaction Detection（2022-12）
• SetMealAsYouLike: Sketch-based Set Meal Image Synthesis with Plate Annotations（2022-10）
• DepthGrillCam: A Mobile Application for Real-time Eating Action Recording Using RGB-D Images（2022-10）
• Text-based Image Editing for Food Images with CLIP（2022-10）
• Real Scale 3D Reconstruction of a Dish and a Plate using Implicit Function and a Single RGB-D Image（2022-10）
• Continual Learning in Vision Transformer（2022-10）
• FASSD-Net: Fast and Accurate Real-Time Semantic Segmentation for Embedded Systems（2022-09） [DOI] [DBLP] [Othres link]
• Material Translation Based on Neural Style Transfer with Ideal Style Image Retrieval（2022-09） [DOI] [PubMed] [PubMed Central] [DBLP] [Othres link]
• StyleGAN-based CLIP-guided Image Shape Manipulation（2022-09）
• Unseen Food Segmentation（2022-06）
• Ketchup As You Like: Drawing Editor for Foods（2021-11）
• Pose Sequence Generation with a GCN and an Initial Pose Generator（2021-11）
• Few-Shot and Zero-Shot Semantic Segmentation for Food Images（2021-11）
• Region-Based Food Calorie Estimation for Multiple-Dish Meals（2021-11）
• Ketchup GAN: A New Dataset for Realistic Synthesis of Letters on Food（2021-11）
• 3D Mesh Reconstruction of Foods from a Single Image（2021-10）
• Cross-Modal Recipe Embeddings by Disentangling Recipe Contents and Dish Styles（2021-10）
• Pop'n Food: 3D Food Model Estimation System from a Single Image（2021-09）
• A study on persistence of gan-based vision-induced gustatory manipulation（2021-05-02） [DOI] [Scopus] [Scopus]
• Multi-Style Transfer Generative Adversarial Network for Text Images（2021-03）
• Hungry Networks: 3D Mesh Reconstruction of a Dish and a Plate from a Single Dish Image for Estimating Food Volume（2021-02）
• Training of Multiple and Mixed Tasks With A Single Network Using Feature Modulation（2021-01）
• Rescue Dog Action Recognition by Integrating Ego-centric Video, Sound and Sensor Information（2021-01）
• UEC-FoodPix Complete: A Large-scale Food Image Segmentation Dataset（2021-01）
• Mask-Based Style-Controlled Image Synthesis Using a Mask Style Encoder（2021-01）
• IPN Hand: A Video Dataset and Benchmark for Real-Time Continuous Hand Gesture Recognition（2021-01）
• Fast and Accurate Real-Time Semantic Segmentation with Dilated Asymmetric Convolutions（2021-01）
• Food Image Generation and Translation and Its Application to Augmented Reality（2020-08-01） [DOI]
• Weakly-supervised plate and food region segmentation（2020-07-01） [DOI]
• Predicting Plate Regions for Weakly-supervised Food Image Segmentation（2020-07）
• Iconify: Converting Photographs into Icons（2020-06） [DOI] [DBLP] [Othres link] [Othres link]
• Style Image Retrieval for Improving Material Translation Using Neural Style Transfer（2020-06） [DOI]
• CalorieCaptorGlass: Food Calorie Estimation based on Actual Size using HoloLens and Deep Learning（2020-03）
• Weakly Supervised Semantic Segmentation Using Distinct Class Specific Saliency Maps（2020-02） [DOI]
• Partial Image Texture Translation Using Weakly-Supervised Semantic Segmentation（2020） [DOI]
• UEC at TRECVID 2014 SIN task（2020）
• SSA-GAN: End-to-End Time-Lapse Generation with Spatial Self-Attention（2019-11）
• Pre-trained and Shared Encoder in Cycle-Consistent Adversarial Networks to Improve Image Quality（2019-11）
• Continual Learning of An Image Transformation Network Using Task-dependent Weight Selection Masks（2019-11）
• Attention Guided Unsupervised Image-to-Image Translation with Progressively Growing Strategy（2019-11）
• MADima'19: 5th international workshop on multimedia assisted dietary management（2019-10-15） [DOI]
• Self-supervised Difference Detection for Weakly-supervised Semantic Segmentation（2019-10）
• DepthCalorieCam: A Mobile Application for Volume-Based Food Calorie Estimation using Depth Cameras（2019-10）
• A New Large-scale Food Image Segmentation Dataset and Its Application to Food Calorie Estimation Based on Grains of Rice（2019-10）
• Unseen Food Creation by Mixing Existing Food Images with Conditional StyleGAN（2019-10）
• Ramen as You Like: Sketch-based Food Image Generation and Editing（2019-10）
• Zero-Annotation Plate Segmentation Using a Food Category Classifier and a Food/Non-Food Classifier（2019-10）
• Dog-Centric Activity Recognition by Integrating Appearance, Motion and Sound（2019-10）
• Analyzing Regional Food Trends with Geo-tagged Twitter Food Photos（2019-09）
• Large-scale Twitter Food Photo Mining and Its Applications（2019-09）
• Self-supervised Difference Detection for Refinement CRF and Seek Interpolation（2019-06）
• Enchanting your noodles: A gustatory manipulation interface by using GAN-based real-time food-to-food translation（2019-03） [DOI] [Scopus] [Scopus]
• A Large-scale Analysis of Regional Tendency of Twitter Photos Using Only Image Features（2019-03）
• Image-Based Estimation of Real Food Size for Accurate Food Calorie Estimation（2019-03）
• Mosquito Larvae Image Classification Based on DenseNet and Guided Grad-CAM（2019） [DOI] [Othres link]
• DeepTaste: Augmented Reality Gustatory Manipulation with GAN-Based Real-Time Food-to-Food Translation.（2019） [DOI] [DBLP] [DBLP] [DBLP]
• Webly-Supervised Food Detection with Foodness Proposal（2019） [DOI]
• Simultaneous Estimation of Dish Locations and Calories with Multi-task Learning（2019） [DOI]
• FoodChangeLens: CNN-based Food Transformation on HoloLens（2018-12）
• Word-Conditioned Image Style Transfer（2018-12）
• Font Style Transfer Using Neural Style Transfer and Unsupervised Cross-domain Transfer（2018-12）
• Real-Time Image Classification and Transformation Apps on iOS by "Chainer2MPSNNGraph"（2018-12）
• Continual Learning for an Encoder-Decoder CNN Using "Piggyback"（2018-12）
• CNN-based photo transformation for improving attractiveness of ramen photos（2018-11） [DOI]
• AR DeepCalorieCam V2: Food Calorie Estimation with CNN and AR-based Actual Size Estimation（2018-11）
• Magical Rice Bowl: Real-time Food Category Changer（2018-10） [DOI]
• CNN 特徴量学習に基づく画像検索による食事画像カロリー量推定（2018-08） [DOI]
• Multi-task Learning of Dish Detection and Calorie Estimation（2018-07） [DOI]
• Food Category Transfer with Conditional Cycle GAN and a Large-scale Food Image Dataset（2018-07） [DOI]
• Food Image Generation using A Large Amount of Food Images with Conditional GAN: RamenGAN and RecipeGAN（2018-07） [DOI]
• Image-based food calorie estimation using recipe information（2018-05-01） [DOI]
• Font image conversion using style transfer and cross domain transfer learning（2018）
• Ar deepcaloriecam: an ios app for food calorie estimation with augmented reality（2018） [DOI]
• An Integration of Bottom-up and Top-Down Salient Cues on RGB-D Data: Saliency from Objectness vs. Non-Objectness（2018） [DOI] [DBLP] [Othres link] [Othres link]
• Predicting Segmentation "Easiness'" from the Consistency for Weakly-Supervised Segmentation（2017-11）
• Estimating Food Calories for Multiple-dish Food Photos,（2017-11）
• Scene Text Eraser（2017-11）
• Neural Font Style Transfer（2017-11）
• Image-Based Food Calorie Estimation Using Knowledge on Food Categories, Ingredients and Cooking Directions（2017-10）
• Takumi Ege and Keiji Yanai（2017-09）
• Neural Style Vector を用いた絵画画像のスタイル検索（2017-08-01） [DOI]
• Partial Style Transfer Using Weakly-Supervised Semantic Segmentation（2017-07）
• Learning Food Image Similarity for Food Image Retrieval（2017-06-30） [DOI]
• Conditional fast style transfer network（2017-06-06） [DOI]
• Simultaneous Estimation of Food Categories and Calories with Multi-task CNN（2017-05）
• Twitter Photo Geo-Localization Using Both Textual and Visual Features（2017-04）
• Learning Food Image Embedding for Food Image Retrieval（2017-04）
• Unseen Style Transfer Based on a Conditional Fast Style Transfer Network（2017-04）
• Comparison of Two Approaches for Direct Food Calorie Estimation（2017） [DOI]
• DeepStyleCam: A Real-Time Style Transfer App on iOS（2017） [DOI] [Web of Scientce]
• Automatic Retrieval of Action Video Shots from the Web Using Density-Based Cluster Analysis and Outlier Detection（2016-11） [DOI] [Web of Scientce]
• Efficient mobile implementation of A CNN-based object recognition system（2016-10-01） [DOI]
• Visual Event Mining from the Twitter Stream（2016-04）
• Caffe2C: A Framework for Easy Implementation of CNN-based Mobile Applications（2016） [DOI] [Web of Scientce]
• Overview of the ACM MultiMedia 2016 International Workshop on Multimedia Assisted Dietary Management（2016） [DOI] [Web of Scientce]
• Automatic construction of action datasets using web videos with density-based cluster analysis and outlier detection（2016） [DOI]
• Grillcam: A real-time eating action recognition system（2016） [DOI]
• A system to help amateurs take pictures of delicious looking food（2016） [DOI] [Web of Scientce]
• CNN-based Style Vector for Style Image Retrieval（2016） [DOI] [Web of Scientce]
• Event photo mining from Twitter using keyword bursts and image clustering（2016-01） [DOI] [Web of Scientce]
• Distinct Class-Specific Saliency Maps for Weakly Supervised Semantic Segmentation（2016） [DOI] [Web of Scientce]
• Foodness Proposal for Multiple Food Detection by Training of Single Food Images（2016） [DOI] [Web of Scientce]
• An Automatic Calorie Estimation System of Food Images on a Smartphone（2016） [DOI] [Web of Scientce]
• DeepFoodCam: A DCNN-based Real-time Mobile Food Recognition System（2016） [DOI] [Web of Scientce]
• Weakly-Supervised Segmentation by Combining CNN Feature Maps and Object Saliency Maps（2016） [Web of Scientce]
• A system to support the amateurs to take a delicious-looking picture of foods（2015-11-02） [DOI]
• Automatic Action Dataset Construction from Web using Density-based Cluster Analysis and Outlier Detection（2015-11）
• UEC at TRECVID 2015 SIN task（2015-11）
• FoodCam: A real-time food recognition system on a smartphone（2015-07） [DOI] [Web of Scientce]
• FoodCam: A real-time food recognition system on a smartphone（2015-07-01） [DOI]
• 既存カテゴリの利用とクラウドソーシングによる食事画像データセットの自動拡張（2015-04） [DOI]
• Automatic Expansion of a Food Image Dataset Leveraging Existing Categories with Domain Adaptation（2015） [DOI] [Web of Scientce]
• Hand Detection and Tracking in Videos for Fine-Grained Action Recognition（2015） [DOI] [Web of Scientce]
• テレビ番組からの位置情報付き旅行映像データベースの自動構築（2015-01）
• VisualTextualRank: An Extension of VisualRank to Large-Scale Video Shot Extraction Exploiting Tag Co-occurrence（2015-01） [DOI] [Web of Scientce]
• FOOD IMAGE RECOGNITION USING DEEP CONVOLUTIONAL NETWORK WITH PRE-TRAINING AND FINE-TUNING（2015） [Web of Scientce]
• A VISUAL ANALYSIS ON RECOGNIZABILITY AND DISCRIMINABILITY OF ONOMATOPOEIA WORDS WITH DCNN FEATURES（2015） [Web of Scientce]
• A review of web image mining（2015） [DOI]
• CNN-Based Food Image Segmentation Without Pixel-Wise Annotation（2015） [DOI] [Web of Scientce]
• Twitter Event Photo Detection Using both Geotagged Tweets and Non-geotagged Photo Tweets（2015） [DOI] [Web of Scientce]
• Low-Bit Representation of Linear Classifier Weights for Mobile Large-Scale Image Classification（2015） [Web of Scientce]
• Real-time Food Image Mining and Analysis from the Twitter Stream（2014-12）
• Food Image Recognition using Deep Convolutional Features Pre-trained with Food-related Categories（2014-12）
• Object Categorization by Local Feature Matching with a Large Number of Web Images（2014-12）
• An Analysis on Visual Recognizability of Onomatopoeia Using Web Images and DCNN features（2014-12）
• FoodCam-256: A large-scale real-time mobile food recognition system employing high-dimensional features and compression of classifier weights（2014-11-03） [DOI]
• UEC at TRECVID 2014 SIN task（2014-11）
• Analyzing the similarities of actions based on video clustering（2014-10）
• 道案内動画の作成のためのウェアラブルカメラ映像の自動要約（2014-08）
• Realtime Eating Action Recognition System on a SmartphoneICME Workshop on Mobile Multimedia Computing, (2014).（2014-07）
• Twitter food photo mining and analysis for one hundred kinds of foods（2014） [DOI]
• A cooking recipe recommendation system with visual recognition of food ingredients（2014） [DOI]
• Summarization of Egocentric Moving Videos for Generating Walking Route Guidance（2014） [Web of Scientce]
• Automatic extraction of relevant video shots of specific actions exploiting Web data（2014-01） [DOI] [Web of Scientce]
• A dense SURF and triangulation based spatio-temporal feature for action recognition（2014） [DOI]
• FoodCam: A real-time mobile food recognition system employing Fisher Vector（2014） [DOI]
• Offline 1000-Class Classification on a Smartphone（2014） [DOI] [Web of Scientce]
• ILSVRC on a smartphone（2014） [DOI]
• REAL-TIME EATING ACTION RECOGNITION SYSTEM ON A SMARTPHONE（2014） [Web of Scientce]
• Food image recognition with deep convolutional features（2014） [DOI]
• Real-time Photo Mining from the Twitter Stream: Event Photo Discovery and Food Photo Detection（2014） [DOI] [Web of Scientce]
• 複数品目が含まれる食事画像の認識における共起関係の利用（2013-08） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• Real-time Mobile Food Recognition System（2013-06）
• UEC, Tokyo at MediaEval 2013 retrieving diverse social images task（2013）
• Real-time Mobile Food Recognition System（2013） [DOI] [Web of Scientce]
• Visual analysis of tag co-occurrence on nouns and adjectives（2013） [DOI]
• VISUAL EVENT MINING FROM GEO-TWEET PHOTOS（2013） [Web of Scientce]
• [DEMO PAPER] MIRURECIPE: A MOBILE COOKING RECIPE RECOMMENDATION SYSTEM WITH FOOD INGREDIENT RECOGNITION（2013） [Web of Scientce]
• Twitter visual event mining system（2013） [DOI]
• Large-scale web video shot ranking based on visual features and tag co-occurrence（2013） [DOI]
• Rapid mobile object recognition using fisher vector（2013） [DOI]
• A Spatio-Temporal Feature based on Triangulation of Dense SURF（2013） [DOI] [Web of Scientce]
• Yuji Matsuda and Keiji Yanai（2012-11）
• UEC at TRECVID 2012 SIN and MED task（2012-11）
• Entropy-Based Analysis of Visual and Geolocation Concepts in Images（2012-08-24） [DOI] [Othres link]
• 候補領域推定に基づく複数品目食事画像認識（2012-08） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• Visual Analysis on Relations between Nouns and Adjectives Using a Large Number of Web Images（2012-08）
• Multiple-Food Recognition Considering Co-occurrence Employing Manifold Ranking（2012） [Web of Scientce]
• A SURF-based spatio-temporal feature for feature-fusion-based action recognition（2012） [DOI]
• World Seer : A realtime geo-tweet photo mapping system（2012） [DOI]
• Automatic collection of web video shots corresponding to specific actions using web images（2012） [DOI]
• Recognition of multiple-food images by detecting candidate regions（2012） [DOI]
• VISUALIZATION OF REAL-WORLD EVENTS WITH GEOTAGGED TWEET PHOTOS（2012） [DOI] [Web of Scientce]
• Real-time mobile recipe recommendation system using food ingredient recognition（2012） [DOI]
• A Travel Planning System Based on Travel Trajectories Extracted from a Large Number of Geotagged Photos on the Web（2011-12） [DOI] [CiNii Research (CiNii Articles)] [Othres link]
• UEC at TRECVID 2011 SIN and MED task（2011-11）
• Folksonomyを用いた画像特徴とタグ共起に基づく画像オントロジーの自動構築（2011-08） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• Geotagged Image Recognition by Combining Three Different Kinds of Geo location Features（2011） [Web of Scientce]
• GeoVisualRank: A ranking method of geotagged imagesconsidering visual similarity and geo-location proximity（2011） [DOI]
• Automatic Construction of an Action Video Shot Database using Web Videos（2011） [Web of Scientce]
• UEC at TRECVID 2010 Semantic Indexing Task（2010-11）
• Multiple Kernel Learning による50 種類の食事画像の認識（2010-08） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• 単語概念の視覚性と地理的分布の関係性の分析（2010-08） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• Extracting Spatio-temporal Local Features Considering Consecutiveness of Motions（2010） [Web of Scientce]
• Region-based automatic web image selection（2010） [DOI]
• Associating faces and names in japanese photo news articles（2010） [DOI]
• Geotagged photo recognition using corresponding aerial photos with multiple kernel learning（2010） [DOI]
• Automatic construction of a Folksonomy-based visual ontology（2010） [DOI]
• Image recognition of 85 food categories by feature fusion（2010） [DOI]
• Detecting ``In-play'' Photos from Web Sports News Photos（2009-12）
• UEC at TRECVID 2009 High Level Feature Task（2009-11）
• Detecting "In-Play" Photos in Sports News Photo Database（2009） [Web of Scientce]
• Can Geotags Help Image Recognition?（2009） [Web of Scientce]
• Detecting cultural differences using consumer-generated geotagged photos（2009） [DOI]
• Mining cultural differences from a large number of geotagged photos（2009） [DOI]
• WEB IMAGE GATHERING WITH REGION-BASED BAG-OF-FEATURES AND MULTIPLE INSTANCE LEARNING（2009） [Web of Scientce]
• AN ANALYSIS OF THE RELATION BETWEEN VISUAL CONCEPTS AND GEO-LOCATIONS USING GEOTAGGED IMAGES ON THE WEB（2009） [Web of Scientce]
• A visual analysis of the relationship between word concepts and geographical locations（2009） [DOI]
• A FOOD IMAGE RECOGNITION SYSTEM WITH MULTIPLE KERNEL LEARNING（2009） [Web of Scientce]
• UEC at TRECVID 2008 High Level Feature Task（2008-11）
• WEB VIDEO RETRIEVAL BASED ON THE EARTH MOVER'S DISTANCE BY INTEGRATING COLOR, MOTION AND SOUND（2008） [Web of Scientce]
• Web image gathering with a part-based object recognition method（2008） [Web of Scientce]
• Associating Faces and Names in Japanese Photo News Articles on the Web（2008） [Web of Scientce]
• Automatic web image selection with a probabilistic latent topic model（2008） [DOI]
• WEB IMAGE SELECTION WITH PLSA（2008） [Web of Scientce]
• WEB VIDEO RETRIEVAL BASED ON THE EARTH MOVER'S DISTANCE BY INTEGRATING COLOR, MOTION AND SOUND（2008） [Web of Scientce]
• Rushes summarization based on color, motion and face（2008） [DOI]
• Objects over the World（2008） [Web of Scientce]
• 一般画像認識の現状と今後（2007-12） [CiNii Research (CiNii Articles)]
• 一般物体認識のための単語概念の視覚性の分析（2007-02）
• 確率的Web画像収集（2007-01） [CiNii Research (CiNii Articles)]
• Image collector III: A web image-gathering system with bag-of-keypoints（2007） [DOI]
• The photo news flusher: A photo-news clustering browser（2007） [Web of Scientce]
• Web image gathering with a spatial pyramid kernel（2007） [DOI] [Web of Scientce]
• UEC at TRECVID 2007 High Level Feature Task（2007）
• Image Classification by a Probabilistic Model Learned from Imperfect Training Data on the Web（2006-08）
• Cross modal disambiguation（2006） [Web of Scientce]
• Automatic "Go" record generation from a TV program（2006） [Web of Scientce]
• Mutual Information Between Words and Pictures（2006-01）
• Finding visual concepts by web image mining（2006） [DOI]
• Evaluation Strategies for Image Understanding and Retrieval（2005-11）
• Probabilistic Web Image Gathering（2005-11） [CiNii Research (CiNii Articles)]
• UEC at TRECVID 2005 High Level Feature Task --Web Images Meet TRECVID--（2005-11）
• Image region entropy: A measure of "visualness" of web images associated with one concept（2005） [DOI]
• Image collector II: A system to gather a large number of images from the web（2005） [DOI]
• 一般画像自動分類の実現へ向けたWorld Wide Webからの画像知識の獲得（2004-10）
• A fast image-gathering system from the World-Wide Web using a PC cluster（2004-01） [DOI] [Web of Scientce]
• Generic Image Classification Using Visual Knowledge on the Web（2003-11） [CiNii Research (CiNii Articles)]
• Web Image Mining toward Generic Image Recognition（2003-05）
• Image Collector II : An Over-One-Thousand-Image-Gathering System（2003-05）
• Image collector II: A system for gathering more than one thousand images from the web for one keyword（2003） [Web of Scientce]
• Web Image Mining: Can we gather visual knowledge for image recognition from the Web?（2003） [Web of Scientce]
• Recognition of indoor images employing supporting relation between objects（2002-10） [DOI]
• Image Classification by Web Images（2002-08）
• 反復深化探索に基く協力詰将棋の解法（2002-01）
• An experiment on generic image classification using Web images（2002） [Web of Scientce]
• A multi-resolution image understanding system based on multi-agent architecture for high-resolution images（2001-12） [Web of Scientce]
• キーワードと画像特徴を利用したWWWからの画像収集システム（2001-10） [CiNii Research (CiNii Articles)]
• A Fast Image-Gathering System on the World-Wide Web Using a PC Cluster（2001-09） [CiNii Research (CiNii Articles)]
• 物体間の支持関係を利用した室内画像の認識（2001-08） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• Image collector: An image-gathering system from the world-wide web employing keyword-based search engines（2001） [DOI]
• An automatic image-gathering system for the World-Wide Web by integration of keywords and image features（2001） [Web of Scientce]
• A Multi-resolution Image Understanding System Based on Multi-agent Architecture for High-resolution Images（2000-11） [CiNii Research (CiNii Articles)]
• Recognition of indoor images employing qualitative model fitting and supporting relation between objects（2000） [Web of Scientce]
• An image understanding system for various images based on multi-agent architecture（1999） [DOI]
• A Multi-Agent Architecture of Object Recognition System for Various Image（1998-02）
• An architecture of object recognition system for various images based on multi-agent（1998） [Web of Scientce]
• An Implementation of Multi-Agent Based Object Recognition System for Various Image（1998）
• Implementation of Object Recognition System Employing Multiagent Architecture at Highly Parallel Computer（1996）

Misc

• 食事画像認識の現状と今後（2019-01）
• Neural Style Vectorによる絵画画像のスタイル検索（2018-06）
• Research Trends in Food Media（2017-11） [J-GLOBAL] [DOI] [CiNii Books] [CiNii Research] [Othres link]
• CNNを用いた高速モバイル画像認識エンジンの自動生成フレームワーク（2017-04） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• 食事動作認識によるリアルタイム食事記録システム（2015-10） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• ウェアラブルカメラ映像の自動要約による道案内映像の自動作成（2015-10） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• CNNを用いた複数品食事画像の領域分割とカロリー推定 (データ工学)（2015-09-24） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• Region Segmentation with Convolutional Neural Network by Weakly-Supervised Training（2015-09-14） [CiNii Research (CiNii Articles)] [Othres link]
• 高速食事画像判別器を用いたTwitter食事画像分析とデータセット自動拡張（2014-12） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• Twitterからのジオタグ画像収集による視覚的イベント検出（2014-11） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• 画像メディア技術の実世界画像データへの応用（2013-12）
• ラーメンvsカレー : 2年分のログデータと高速食事画像認識エンジンを用いたTwitter食事画像分析とデータセット自動構築 (パターン認識・メディア理解)（2013-10-03） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• FoodCam : スマートフォン上でのリアルタイム食事画像認識による食事記録アプリケーション (データ工学)（2013-09-12） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• 料理画像認識を用いたモバイル食事記録システム（2013-05-23） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• ウェアラブルカメラを用いた道案内映像の自動作成（2013-05-23） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• Improvement of food image recognition using local feature extraction by k-means and dish detector（2013-03-14） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• Large-scale Web Video Shot Ranking Exploiting Visual Features and Tag Co-occurance（2013-02-21） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• 画像メディア技術の実世界データへの応用（2012-11） [DOI] [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link] [Othres link]
• Webマルチメディア情報と物体認識技術（2012-07）
• 食材画像認識を用いたレシピ推薦システム（2012-03-05） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• 候補領域推定による複数品目に対応した食事画像認識（2011-07-20） [CiNii Research (CiNii Articles)] [Othres link]
• Mining Specific Actions from Youtube Video with Spatio-Temporal Features（2011-02-10） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• 物体認識技術の進歩（2010-05）
• Bag-of-Features に基づく物体認識(2)-一般物体認識-（2010） [CiNii Research (CiNii Articles)]
• Multiple Kernel Learningを用いた50種類の食事画像分類（2010-01） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• サポートベクターマシン関連ツール（2009-12） [DOI] [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link] [Othres link]
• セマンティックギャップを超えて―画像・映像の内容理解に向けて―（2009-09） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link] [Othres link]
• Bag-of-Featuresによるカテゴリー分類（2009-01） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• カメラが情景を理解する --シーンの意味的分類技術の最先端--（2008-07）
• An Web Image-Gathering System Employing Semi-Supervised Learning（2005） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• WWWからの高速画像収集と収集画像を用いた画像認識の試み（2001） [CiNii Research (CiNii Articles)]
• A Multi-resolution Image Understanding System Based on Multi-agent Architecture（1999-06-15） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• マルチエージェントによる画像理解システム構成法（1998） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• An Experiment of Placing 3D Object Model to the 3D Space Using Results of Object Recognition（1997-09-24） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• Integration of Various Object Recognition Programs Based on Multi-agent Architecture（1997-08-20） [CiNii Research (CiNii Articles)] [CiNii Books]
• Implementation of Object Recognition System Based on Muoti-agent Architecture by Intergrating Shape Knowledge and Realational Knowledge（1997-06-24） [CiNii Research (CiNii Articles)] [CiNii Books]
• A Consideration of Knowledge about Objects on the Object Recognition System employing Multiagent Architecture（1997-03-12） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]
• Experiment of Function-based Object Recognition System employing Multiagent Architechture（1996-09-04） [CiNii Research (CiNii Articles)] [CiNii Books] [Othres link]

Presentations

• 動画拡散モデルを用いた複数物体におけるゼロショット動作制御（2024-08-07）
• RecipeSD: Injecting Recipe Embedding into Food Image Synthesis using Stable Diffusion（2024-08-07）
• 視覚言語モデルを用いたパノプティックシーングラフ生成（2024-08-07）
• Act-ChatGPT: 動作特徴を用いた対話型ビデオ理解モデル（2024-08-07）
• 画像生成モデルによるカロリー量を考慮した食事画像編集（2024-08-07）
• 大規模視覚言語モデルと食品体積推定による食事画像からのカロリー量推定（2024-08-07）
• FontCLIPstyler: 言語によるシーンテキストスタイル変換（2024-08-07）
• MM-DiT ベースの Stable Diffusion 3 によるゼロショット領域分割（2024-08-07）
• WaveFontStyler:音に基づくフォントスタイル変換（2024-08-07）
• 微分可能レンダラーを用いたロゴ画像生成（2024-08-07）
• テキストプロンプトによるベクター形式ロゴ画像生成（2024-05-14）
• 大規模視覚言語モデルを用いた食事画像からのカロリー量推定（2024-05-14）
• 対話型ビデオ理解モデルにおける動作特徴量の活用（2024-05-14）
• StableSeg: Stable Diffusionによるゼロショット領域分割（2023-07）
• 人物・物体・動作デコーダの分離によるHOI検出（2023-07）
• VQ-VDM: ベクトル量子化変分オートエンコーダと 拡散モデルを用いた動画生成モデル（2023-07）
• CalorieCam360: 全方位カメラによる複数人同時食事カロリー量推定システム（2023-07）
• CLIPと微分可能レンダラーを用いたフォントスタイル変換（2023-07）
• Stable Diffusionによるゼロショット画像領域分割（2023-03-03）
• 深層距離学習の特許図面検索への適用（2023-03-03）
• 分離されたデコーダとノイズ除去学習を用いたHOI検出（2023-03-02）
• 全方位カメラを用いた複数人食事動作同時認識（2023-03-02）
• SetMealAsYouLike: Few-shot Segmentationによる 食事画像への皿領域マスクの追加 と 食事画像生成への応用（2022-07）
• 時間的一貫性を考慮した ビデオ会議のための自然な仮想試着（2022-07）
• Cross-Modal Recipe Embeddingを用いた マスクに基づく食事画像生成（2022-07）
• 大規模マルチモーダルモデルCLIPを用いた画像形状変換（2022-07）
• TransformerとLarge Batch Sizeを用いたクロスモーダルレシピエンベディング学習（2022-07）
• マルチスケールのアンカーを用いた人間と物体のインタラクション検出（2022-07）
• 単一RGB-D画像と陰関数表現を用いた食事と食器の実寸三次元再構成と体積推定（2022-07）
• Vision Transformerを用いたContinual Learning（2022-07）
• Vision TransformerにおけるContinual Learning（2022-03）
• 陰関数表現とRGB-D画像を用いた実寸通り食事と食器の三次元再構成（2022-03）
• StyleGANによるCLIP-Guidedな画像形状特徴編集（2022-03）
• クエリベースのアンカーを用いた人間と物体のインタラクション検出（2022-03）
• Transformerを用いた人物行動検出（2022-03）
• クロスモーダルレシピエンベディングによるマスクに基づく食事画像生成（2022-03）
• Transformerを用いたクロスモーダルレシピ検索・画像生成（2022-03）
• Adaptive Point-wise グループ化畳み込みを用いた 小規模データセットからの画像の生成（2021-07）
• 初期ポーズ生成の改良とGCNの導入による ポーズシーケンス生成モデルの拡張（2021-07）
• 全体カロリー量のみがアノテーションされた 複数品食事画像の個別カロリー量推定（2021-07）
• 食事画像に対するFew/Zero-shot Segmentation（2021-07）
• 食事画像に対する少数およびゼロショット領域分割（2021-05）
• 初期ポーズ生成の改良とGCNの導入によるポーズシーケンス生成モデルの拡張（2021-05）
• 単一画像からの食事(食器含む)と食器単体の三次元形状の同時復元を用いた食事領域の体積推定（2020-10）
• 意味と形状の分離によるマルチモーダルレシピ検索及び画像生成（2020-08）
• 単一画像変換ネットワークによる複数タスクと組み合わせタスクの学習（2020-08）
• 単一食事画像からの皿と食事の同時分離形状復元（2020-08）
• RamenStyleAsYouLike: 領域毎のスタイル特徴の融合による画像生成（2020-08）
• 画素単位アノテーション付きの食事画像データセットの構築 と 認識・生成への応用（2020-08）
• 意味と形状の分離によるマルチモーダルレシピ検索及び画像生成（2020-03）
• ラーメンスタイルエンコーダーを用いたスタイル特徴とマスク画像からの画像生成（2020-03）
• 映像・音・センサー情報の統合によるレスキュー犬の1人称行動認識（2020-03）
• 皿領域の推論を活用した食事の弱教師あり領域分割（2019-10）
• 食事画像領域分割データセットの作成とその活用（2019-10）
• 自己教師あり学習による変化領域の推論を活用した弱教師あり領域分割（2019-08）
• 米飯を基準としたCNNによる食事画像からのカロリー量推定（2019-08）
• Ramen as You Like（2019-08）
• レスキュー犬の一人称動画を用いた動作推定（2019-08）
• DepthCalorieCam: 深度カメラと深層学習による自動食事カロリー量推定システム（2019-08）
• 大量のTwitter位置情報付き画像を用いた世界各地域における食事傾向分析（2019-08）
• Identityと化粧Styleの分離による顔画像変換（2019-08）
• 重み選択マスクを用いた画像変換ネットワークの連続学習（2019-08）
• SSA-GAN: Cloud Video Generation from a Single Image with Spatial Self-Attention Generative Adversarial Networks（2019-08）
• ウミネコ動画の自動分析（2019-08）
• ONNX2MPSNNGraph: モバイル深層学習コードジェネレータの実装と評価（2019-08）
• 米飯画像の実寸推定に基づく面積を考慮したカロリー量推定（2019-03）
• 深度付き画像と深層学習による食事カロリー量推定システムの開発（2019-03）
• 画像変換ネットワークによる連続学習（2019-03）
• 位置情報付きTwitter画像を用いた世界の食事傾向分析（2019-03）
• Conditional GANによる化粧顔画像変換（2019-03）
• 変化領域の推測による弱教師あり領域分割の精度向上（2019-03）
• 深層学習による太陽画像からの太陽黒点数の推定（2019-03）
• 教師情報に含まれるノイズに堅牢な弱教師あり領域分割手法（2018-08）
• NNによる料理検出とカロリー量推定のマルチタスク学習（2018-08）
• 単語情報を利用した画像の質感転送（2018-08）
• Chainer2MPSGraph: 高速深層学習モバイルアプリ作成のためのモデルコンバータ（2018-08）
• 画像マイニングを用いた Conditional Cycle GAN による食事画像変換（2018-08）
• CNNを用いた質感文字生成（2018-08）
• AR 技術とモバイル深層学習を活用した 食事カロリー量推定（2018-08）
• 深層学習による質感文字生成（2018-06）
• 画像内容を考慮した質感表現に基づく画像変換（2018-06）
• 大量のTwitter画像を用いたConditional Cycle GANによる食事写真カテゴリ変換（2018-06）
• 深層学習による画像認識革命（2018-03-14）
• スタイル転移によるフォント画像変換（2018-03）
• AR DeepCalorieCam: AR表示型食事カロリー量推定システム（2018-03）
• Conditional GANによる食事写真の属性操作（2018-03）
• Conditional GANを用いた大規模食事画像データからの画像生成（2018-03）
• 単一の畳み込みネットワークによる料理検出とカロリー量推定のマルチタスク学習（2018-03）
• 會下拓実・丹野良介・柳井啓司（2017-12）
• CoreMLによるiOS深層学習アプリの実装と性能分析（2017-10）
• CNNによる複数料理写真からの同時カロリー量推定（2017-10）
• 食事画像カロリー量推定における回帰による手法と検索による手法の比較（2017-09）
• 完全教師あり学習手法を用いた弱教師あり領域分割におけるシード領域生成方法の改良（2017-09）
• Conditional GAN を用いた複数詳細カテゴリ画像の合成（2017-08）
• 弱教師あり領域分割のための一貫性に基づく学習画像の領域分割容易性推定（2017-08）
• 画像スタイル変換とWeb画像を用いた画像の任意質感生成（2017-08）
• Multi-task CNNを用いた食材および調理手順情報を利用した食事画像カロリー量推定（2017-08）
• Twitter画像に対する地域別画像タイプの大規模分析（2017-08）
• Neural Style TransferとCycle GANを利用したフォント変換（2017-08）
• ConvDeconvNetの効率的モバイル実装による 画像変換・物体検出・領域分割リアルタイムiOSアプリ群（2017-08）
• Unseen Style Transfer Network（2017-08）
• 画像を生成する深層学習ネットワーク ―領域分割と画像生成・変換―（2017-07-04）
• 食事レシピ情報を利用した食事画像からのカロリー量推定（2017-05-11）
• 映像認識技術の現状 と 生物映像への適用可能性（2017-03-05）
• 深層学習技術が引き起こした画像認識の大幅性能向上（2016-12-17）
• 食事画像認識の現状と今後（2016-12-01）
• 深層学習による質感画像の認識・変換（2016-11-30）
• ディープラーニングによる画像・映像の認識と生成（2016-11-25）
• Neural Style Transferと領域分割による画像の部分的質感操作（2016-09）
• 弱教師学習手法を用いたWebからの食事検出器の自動学習（2016-09）
• CNNの順・逆伝搬値とCRFを利用した弱教師領域分割（2016-08）
• Style Image Retrieval Using CNN-based Style Vector（2016-08）
• DeepXCam: CNNによるリアルタイムモバイル画像認識・変換アプリ群（2016-08）
• CNNを用いた商品札文字認識（2016-08）
• Twitter食事画像からの詳細カテゴリ発見（2016-08）
• 質感画像の弱教師領域分割とその結果に基づく質感の部分的変換（2016-06）
• スマートフォン上でのDeep Learningによる画像認識（2016-06）
• 80msで認識可能な深層学習による2000種類物体認識iOSアプリ（2016-06）
• 値札文字認識による価格記録Webアプリケーション（2016-03）
• iOS上のDeep Learningによる食事画像認識アプリ（2016-03）
• テレビ映像からの特定動作シーンの自動検出（2016-03）
• 位置情報付き画像を用いた単語概念の時間変化の分析（2016-03）
• スマートフォンによる食事画像からの自動カロリー量推定システム（2016-03）
• 料理写真撮影におけるおいしそうな構図決定および撮影支援モバイルアプリ（2016-03）
• CNNとMILを用いた弱教師あり領域分割（2015-11-27）
• CNNを用いた複数品食事画像の領域分割とカロリー推定（2015-09-25）
• CNNを用いた弱教師学習による画像領域分割（2015-09-15）
• Ｗｅｂ大規模画像データを用いた 画像とオノマトペの関係分析（2015-09）
• 料理写真撮影におけるおいしそうな構図決定を支援するシステム（2015-07）
• DeepFoodCam: DCNNによる101種類食事認識アプリ（2015-07）
• 画像特徴とテキスト特徴を用いた画像ツイートの位置推定（2015-07）
• シーン文字認識と自己動作分類を用いた車載動画の要約（2015-07）
• CNNの逆伝搬を利用した食事画像の領域分割（2015-07）
• 画像の位置推定を用いたマイクロブログからの視覚的なイベント検出（2015-07）
• Automatic Action Video Dataset Construction from Web using Density-based Cluster Anaysis and Outlier Detection（2015-07）
• DCNN特徴を用いたWeb からの質感画像の収集と分析（2015-01-22）
• Real-time Photo Mining from the Twitter Stream: Event Photo Discovery and Food Photo Detection（2014-12）
• 大量の位置情報付きTwitter画像データからの視覚的イベント検出（2014-07）
• 既存カテゴリの活用とクラウドソーシングによる食事画像データセットの自動拡張（2014-07）
• Twitter上の位置情報付き画像を利用した リアルタイムイベント画像検出（2014-05）
• クラウドソーシングによる食事画像データセットの自動構築（2014-05）
• Twitterからのジオタグ画像収集による視覚的イベント検出（2013-10）
• ラーメン vs カレー：２年分のログデータと高速食事画像認識エンジンを用いたTwitter食事画像分析とデータセット自動構築（2013-10）
• FoodCam:スマートフォン上でのリアルタイム食事画像認識による食事記録アプリケーション（2013-09）
• VisualTextualRank: A Video Shot Ranking Method Using Visual Similarity and Tag Co-occurrence（2013-07）
• スマートフォン上でのリアルタイム食事認識システム（2013-07）
• スマートフォン上でのリアルタイム食事・食材画像認識アプリケーション（2013-06）
• ウェアラブルカメラを用いた道案内映像の自動作成（2013-05）
• 料理画像認識を用いたモバイル食事記録システム（2013-04）
• k-meansによる局所特徴量抽出と皿検出器による食事画像認識の改良（2013-03）
• 食事認識を用いたモバイル食事管理システム（2013-03）
• 位置情報付き画像ツイートを利用した視覚的なイベント検出（2013-03）
• クラウドソーシングによる食事画像認識モデルの自動構築（2013-03）
• 視覚特徴およびタグ共起を用いた大規模Webビデオショットランキング（2013-02）
• TRECVID Semantic Indexing Task と Multimedia Event Detection Taskへの取り組み（2012-12）
• Web動画・画像を用いた特定動作の対応ショットの自動抽出（2012-08）
• 料理間の共起関係を考慮した食事画像認識（2012-08）
• タグの組み合わせによる視覚的な関連性変化の分析（2012-08）
• 食材画像認識を用いたモバイルレシピ推薦システム（2012-08）
• Automatically Extracting Relevant Video Shots of Specific Actions from the Web（2012-08）
• Web上の大量画像を用いた名詞と形容詞の関係分析（2012-05）
• 物体認識技術を用いたモバイル物品管理システム（2012-03）
• テレビ番組からの位置情報付き旅行映像データベースの自動構築（2012-03）
• 食材画像認識を用いたモバイルレシピ推薦システム（2012-03）
• 服飾画像マイニングのための衣類領域からの色情報抽出（2012-03）
• 特徴点選択とペア化による Naive-Bayes Nearest-Neighbor手法の改良（2012-03）
• Web動画・画像を用いた特定動作ショットの自動収集（2012-03）
• Deformable Part Modelを用いた料理の位置検出（2011-12）
• 物体認識技術を用いた食事画像認識（2011-10）
• Webマルチメディア と 物体認識（2011-10）
• 一般物体認識技術の発展（2011-09）
• 大量のWeb動画からの教師なし特定動作ショット抽出（2011-07）
• GeoVisualRank を用いた単語概念の地域性の分析（2011-07）
• 候補領域推定による複数品目に対応した食事画像認識（2011-07）
• マルチフレームを用いた動画像認識（2011-05）
• 地域別代表画像を用いた単語概念の地域性の分析（2011-03）
• 候補領域推定による食事画像の複数品目認識（2011-03）
• Bag-of-frames と時空間特徴量を用いたSemantic Indexing Taskへの取り組み（2011-02）
• 時空間特徴量を用いたWeb 動画からの特定動作ショットの自動抽出（2011-02）
• 写真撮影の位置軌跡を利用した旅行支援システム（2011-02）
• Webマルチメディアと物体認識（2010-12）
• Folksonomyを用いた画像特徴とタグ共起に基づく画像オントロジーの自動構築（2010-07）
• Web上の大量画像を用いた特定物体認識手法による一般物体認識（2010-07）
• 動作認識のための時空間特徴量と特徴統合手法の提案（2010-07）
• ジオタグ画像認識における位置情報の利用法の検討と分析（2010-07）
• 位置情報を考慮したVisualRankによる地域別代表画像の選出（2010-07）
• 画像・映像の認識と意味的検索（2010-07）
• 一般物体認識における機械学習の利用（2010-06）
• Web 上の大量画像を用いた特定物体認識手法による一般物体認識（2010-05）
• 位置情報付き路上画像の撮影方向推定システムの提案（2010-05）
• ジオタグ画像認識における周辺テキスト情報の有効性の検証（2010-03）
• Web動画ショットの動作分類のための時空間特徴抽出手法の提案（2010-03）
• Folksonomyによる階層構造画像データベースの構築（2010-03）
• 多種類特徴統合による動作認識手法の提案（2010-03）
• 【チュートリアル】一般物体認識（2009-11）
• VisualRankにおける位置情報活用の検討（2009-11）
• マルチカーネル学習を用いた画像特徴と航空写真特徴の重要度の推定（2009-11）
• 位置情報付き写真における撮影位置の航空写真を利用した画像認識（2009-11）
• 一般物体認識技術の発展と映像検索への応用（2009-09）
• Web画像マイニング -Web上の膨大な画像データからの知識発見-（2009-09）
• 動きの連続性を考慮した動画からの局所的な時空間特徴の抽出（2009-08）
• 単語概念の視覚性と地理的分布の関係性の分析（2009-08）
• 画像特徴とテキスト特徴の統合によるWebスポーツニュース画像のイベント分類（2009-08）
• Multiple Kernel Learningによる50種類の食事画像の認識（2009-08）
• Multiple Kernel Learningを用いた食べ物画像の認識（2009-03）
• TRECVID高次特徴抽出タスクにおける多種類特徴統合手法の比較（2009-03）
• 画像特徴とテキスト特徴を用いたWebスポーツニュース画像のイベント分類（2009-03）
• Bag-of-Features表現を用いたエントロピーによる単語の視覚性の分析（2009-03）
• 現状および今後の物体認識技術のデジタルカメラへの応用の可能性（2009-03）
• 一般物体認識の現状と今後の展望（2009-03）
• Mining Regional Representative Photos from a Large-scale Geotagged Image Database（2008-12）
• 一般物体認識と機械学習（2008-08）
• 色・動き・音特徴を用いたEarth Mover’s Distance に基づくWeb動画検索（2008-07）
• 確率トピックモデルによるWeb画像の分類（2008-06）
• Bag-of-keypointsによるカテゴリー分類（2008-06）
• 色，動き，顔特徴に基づくTRECVIDラッシュ映像の自動要約（2008-05）
• 撮影位置の情報を用いた一般画像認識の可能性の検討（2008-05）
• 多種類特徴の統合によるTRECVID映像の認識（2008-03）
• クラスタリングによるTRECVIDラッシュ映像の要約（2008-03）
• Earth Mover's Distance を用いた類似Web動画検索（2008-03）
• Bag-of-Keypointsを用いたWeb画像収集の高精度化（2007-08）
• Web画像ニュースの顔と人物名の対応付け（2007-05）
• Bag-of-Keypoints表現を用いたWeb画像分類（2007-05）
• Bag-of-keypointsによるTRECVIDデータに対する映像認識（2007-05）
• 位置情報を用いた旅行自動記録システム（2007-03）
• Web写真ニュースの分類と検索（2007-03）
• 画像付きニュース記事からの顔と人物名の抽出（2007-03）
• 一般物体認識の現状と今後（2006-09）
• Web画像マイニング: Webからの画像知識の獲得 と その応用（2006-09）
• 確率モデルを用いたWeb画像マイニングによる画像認識（2006-07）
• 確率モデルを用いたWeb画像マイニングによる画像認識（2006-06）
• テキスト特徴と画像特徴を併用したWeb上の写真付きニュース記事のクラスタリング（2006-06）
• 一般物体認識のための単語概念の視覚性の分析（2006-01）
• Evaluation Strategies for Image Understanding and Retrieval（2005-11）
• 実世界画像コーパス作成のための高精度Web 画像収集{準教師あり学習 を用いた画像選択{（2005-07）
• Semi-Supervised Learning を用いたWeb画像収集システム（2005-06）
• 対局盤面と解説盤面の認識結果の統合による囲碁対局番組からの棋譜自動生成（2005-03）
• Web Image Mining: Can We Gather Visual Knowledge for Image Recognition from the Web ?（2003-12）
• 実世界画像自動分類のためのWeb画像マイニング（2003-06）
• Web画像収集における単語ベクトルの導入と画像特徴の改良（2003-01）
• Web画像を用いた一般画像の自動分類（2002-07）
• 囲碁テレビ番組からの棋譜自動生成システム（2002-05）
• 反復深化探索に基く協力詰将棋の解法（2001-03）
• PCクラスタを用いたWWWから高速画像収集システム（2001-03）
• WWWからの高速画像収集 と 収集画像を用いた画像認識の試み（2001）
• WWWからの大量の収集画像を用いた画像認識の試み（2001）
• キーワードと画像特徴を利用したWWWからの画像収集の試み（2000）
• 解像度選択を用いた高解像度実画像に対する画像理解システム（2000）
• マルチエージェントによる多重解像度画像理解システム（1999）
• 高解像度画像利用のためのマルチエージェントによる多重解像度画像理解システム（1999）
• マルチエージェント画像理解システムにおける対象間の空間的関係に関する考察（1998）
• 定性的モデル当てはめと空間推論による室内画像の認識（1998）
• マルチエージェント物体認識システムにおける協調に関する考察（1997-12）

Books and Other Publications

• IT Text 深層学習（2022-11）
• レクチャー マルチメディア: 基礎からわかる音・画像・映像の情報処理（2022-03-29）
• 光学辞典（2014）
• 総合コミュニケーション科学シリーズユニーク＆エキサイティング サイエンス III（2014）
• Multimedia Information Extraction（2011）
• Handbook of Social Network Technologies and Applications（2010）
• コンピュータビジョン最先端ガイド III（2010）
• Toward Category-Level Object Recognition（2006-12）

Works

Research Projects

Media Coverage

• NHK総合「NHKスペシャル エジプト 悠久の王国 プロローグ ピラミッド透視とファラオの謎」に出演（NHK, NHK総合「NHKスペシャル エジプト 悠久の王国 プロローグ ピラミッド透視とファラオの謎」）（2024-03-31）

Industrial Property Rights

• 画像スタイル変換装置，画像スタイル変換方法及び画像スタイ変換プログラム（特願2017-024688）
• 線形識別器，大規模一般物体認識装置及び電子計算機（特願2014-150063）
• 画像ランキング方法，プログラム及び記録媒体並びに画像表示システム（特許第5569728号）
• 摂取量推定装置，摂取量推定方法及びプログラム（特願2014-132385）
• 画像処理方法，その方法を実行するプログラム，記憶媒体，撮像機器，画像処理システム（特許第5018614号）

Professional Memberships

• ACM
• IEEE Computer Society
• 人工知能学会
• 電子情報通信学会
• 情報処理学会

Committee Memberships

Teaching Experience

• メディア情報学実験
• 情報学工房
• 画像認識システム特論
• 物体認識論
• 深層学習・画像認識
• 基礎プログラミングおよび演習
• 深層学習と画像認識
• メディア情報学プログラミング演習

Social Contribution

Academic Contribution

• ACM Multimedia
• 画像の認識・理解シンポジウム(MIRU)
• Neural Informatino Processing Systems (NeurIPS)
• International Conference on Computer Vision (ICCV)
• International Multimedia Modeling Conference (MMM)
• 画像の認識・理解シンポジウム(MIRU)
• European Conference on Computer Vision (ECCV)
• ACM Multimedia
• International Conference on Learning Representation (ICLR)
• Computer Vision and Pattern Recognition (CVPR)
• 画像の認識・理解シンポジウム(MIRU)
• 8th International Workshop on Multimedia Assisted Dietary Management (MADiMa) 企画立案・運営等
• ACM Multimedia
• Neural Information Processing Systems (NeurIPS)
• International Conference on Computer Vision (ICCV)
• Computer Vision and Pattern Recognition (CVPR)
• International Multimedia Modeling Conference (MMM)
• Neural Information Processing Systems (NeurIPS)
• ACM Multimedia Asia
• ACM Multimedia (ACMMM)
• 7th International Workshop on Multimedia Assisted Dietary Management (MADiMa)
• 画像の認識・理解シンポジウム(MIRU)
• Computer Vision and Pattern Recognition (CVPR)
• ACM International Conference on Multimedia Retrieval (ICMR)
• International Conference on Learning Representation (ICLR)
• International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISAPP)
• IEEE Winter Conference on Applications of Computer Vision (WACV)
• International Multimedia Modeling Conference (MMM)