学部・学科の分類 - ネットワークデザイン学科

7件の研究シーズが見つかりました

島野 顕継

高等学校普通教科「情報」の質向上を目的とした教材及び シラバスの作成

文部科学省高等学校次期学習指導要領解説情報編(平成30年度改訂)では,情報分野を学ぶ上で専門的な知識に触れ,それがどの様な仕組みであるかを知るための教育を重要視しているが,内容を詰め込み過ぎて現場の疲弊を生じさせかねない内容となっている.本研究では情報の科学的な理解を深め,情報分野に対する興味・関心を引き出すことをねらいとする高等学校情報科科目「情報I」で実際に活用でき,特定の環境を用意できる現場を助ける教材開発及びシラバスの作成を行った.

井上 裕美子

VR空間における位置把握と視線との関係

 道に迷いやすい人と,1度で道順を覚えて目的地に移動できる人がいる.道に迷わない空間把握能力の高い人は,実空間においても,VR空間においても,同じように目的地まで迷わず行ける傾向がある.このような人は,どのように視覚情報を得て,道順を記憶し,移動しているのだろうか.これまでの研究で,この点について詳細は明らかではない.そこで本研究では,看板等のある都市部の街並みを模したVR空間内を移動し,目的地まで到達する間の視線を検討した.また,心理的指標の1つとして,移動中の心拍数の変化についても検討した.将来的には,実空間においても,記憶に残りやすい街並みや,空間を移動しながら行う探索型の教育コンテンツやゲームのVR空間において,迷わず進める空間作りの1つの基礎データとなることを期待し,本研究を行った.

西口 敏司

深層学習を用いた物体領域推定のための学習データの生成支援

深層学習を用いたセグメンテーションのための学習では,物体が写っている画像を物体毎に数百枚から数千枚用意し,画像に写っている物体の輪郭情報を人手でアノテーションする必要があり,労力やコストがかかるという問題がある.一方,RGB-Dカメラは各画素に対応する距離に関する情報も同時に獲得できるカメラである.本研究では,深層学習を用いた物体領域推定(セグメンテーション)のための学習に必要な物体の輪郭情報をRGB-Dカメラを用いて人手によらずに高速に獲得する手法を開発した.

塚本 勝俊

電波を効率よく利用するヘテロジニアスワイヤレスシステム

Beyond 5Gなどの将来のワイヤレスアクセスネットワークにおけるフロントホールの課題に、無線アクセス区間の広帯域化に伴うMIMOアンテナ数の増加やIoT基盤への応用に起因したフロントホール伝送容量の増大、 一層のスモールセル化に伴って発生する膨大な数のDU(分散無線ユニット)を有する基地局設備の設置、それらへのフロントホールリンク数の増大がある。これらに対する一つの解決策となるのが光ファイバの中に様々な電波に対して透明な自由空間を提供するRoF (Radio over Fiber) ネットワークである。RoFを用いることによってヘテロジニアスワイヤレスに汎用的に使用できるフロントホールと基地局が実現できる。また分散アンテナシステムの構築も容易となる。本シーズでは、RoFによる分散アンテナシステムを紹介し、それを用いた位置検出システムへの取り組みについて述べる。

矢野 浩二朗

VR伴大納言絵巻

初等、中等教育の国語科においては、古典作品の歴史や背景を学びながらそれを楽しむ態度を育成することが求められているが、現実には古典に親しみを持つ児童や生徒は多くないのが現状である。そこで本発表では、我々が開発している絵巻物「伴大納言絵巻」の上巻の没入型インタラクティブコンテンツについて紹介する。このコンテンツでは、絵巻中の人物を切りだしてポリゴン化し、仮想空間内の絵巻に配置している。ユーザーはヘッドマウントディスプレイを通して絵巻を鑑賞し、仮想空間内で絵巻にユーザーが近づくと人物がアニメーションし、シナリオに従って発話できるようにすることで各々の人物が絵巻の物語の中で何をしているのかを理解できるようにした。このコンテンツを活用することで、絵巻物の内容理解、および興味関心が向上することが期待される。

杉川 智

スケジュール変更を考慮した数理モデル

システム開発や建設業などのプロジェクトにおいて,スケジュール作成時点では,わからない不確定な事象によってスケジュールの変更を余儀なくされることがある.さらに,昨今の社会では即応性が求められるため,十分に吟味されないままスケジュールを作成し後で変更することもあります.本研究は,それらのスケジュール立案後の変更を考慮したスケジューリングモデルのための基本的な考え方,分類,数理モデルを提案します.本モデルによりスケジュールの変更をふまえた新しいスケジュールを作成すること,新しい解法を提案することが可能になります.

酒澤 茂之

学習済みディープニューラルネットワークモデルの権利保護に関する研究

学習済みディープニューラルネットワーク(DNN)モデルの権利保護のために、電子透かしをモデル内へ埋め込む技術が注目されている。本研究では、画像分類型DNNモデルを対象とし、その内部パラメータは観測できず、入力画像と出力ラベル値のみが観測できる場合でも、そのDNNモデルを学習させた著作権者の情報を視覚的に取り出すことを実現する。