Takato Ueno

駒澤大学 グローバル・メディア研究科 修士課程→社会人兼博士後期課程在学中
アイコン:

[Takato Ueno @nefroid1]

@guccioka GMSの大学院は規模が小さいですけど、その代わり最大3人の先生のゼミを取って研究に集中できるのでそこはメリットです。実際に国内国外関わらずバンバン学会出して賞取ったり成果を挙げている人もいます。

[Takato Ueno @nefroid1]

@guccioka 相談会でもらえる資料はここらへんだと思います。
大学院要項(シラバス) https://t.co/PjvdvPPVQR
入試要項 https://t.co/5dFe7z8QlJ

ただ学内から進学だとほぼ推薦で面接のみなのでゼミの教員と要相談ですね。

あと卒業時のGPAで授業料減免があったりしますね
https://t.co/62b73LzJpk

[Kazuki Takeda@毒性学者 @toxtoxtoxtk]

ポスター発表リハ用に、A0サイズをだいたい原寸大で表示できる縦モニターを導入しました📺️

[横浜DeNAベイスターズ @ydb_yokohama]

＼数量限定！単品販売決定！👏／
6/19(金)より「THE LIVE Supported by 大和地所」内直営店舗 #ハマニスタ にて新商品が登場！✨

ファンの皆さまからのご要望にお応えし、#バート & #チャピー のグラスをご用意💡

この機会にぜひお買い求めください🤍💛

詳しくはこちら
https://t.co/0uk3JTZCj0

#thelive
#baystars

[Takato Ueno @nefroid1]

Fable，公開されている時にまるっと蒸留されないかなと思っていたがあまりにも短い公開期間だったな

[Torishima / INTP @izutorishima]

説明員さんがノリノリで解説してくださったので根掘り葉掘りお聴きしてたら閉場時間に…（ガチですみません）
もう少し展示見たかったけど濃い話ができて満足…！
以下おもしろ話を抜粋
・Qwen3-Omni ベースなのは画像・動画・音声マルチモーダル対応なオープンモデルがそれくらいしかないから（👈️ﾃﾞｽﾖﾈｰ）
・中国製モデルである Qwen を使うのはどうなんだ？という声も社内のお偉いさんから実際にあり、『生成テキストに中国の思想が入る』のが懸念なら今回展示のような『EPG番組情報と実内容の整合性チェック』なら生成しないのでええやん！と主張してはいるが感情的なアレで『本番利用は非中国モデルベースで』という方針ではあり、とはいえ Omni 対応で日本語音声認識できるやつが Qwen3-Omni 30B くらいしかないので、『技術検証として各タスクで現状どのくらい精度出せて使えそうか、作ってみないと分かんないじゃん』という趣旨で通して試験的に作ってみた代物だそう
・現状 LoRA が精一杯で継続事前学習はリソースとコスト的にまだやれてない
・LoRA だけだとフォーマットに合わせるとか、単一フレームだけでの間違い指摘機能は精度が出たタスクもあるが、根本的な理解力とか地頭が上がった感じはない（し、LoRA の限界としてもその理解）
・フルスクラッチでマルチモーダルは〜〜無理っス！！技研は自前で学習回す用の GPU クラスタをある程度持ってるけど動画を食わせるには足りなさすぎる
　・数ヶ月とか時間かければ学習できなくもないかもだが、技研全体での共有リソースを占有する訳にも言わず、長期間は現実的でない、マネー的にも計算資源が足りん…
・元々番組制作支援のために作っているが、正直まだ何に使えるか明確に出来てるわけではなく、限界を探るために作った節もある
・学習/推論時の計算リソース的なの都合、あと『実際推論するなら本編分割して処理した結果をいい感じに繋ぎ合わせたほうがよくね？』ということで動画入力は最大15分までしか対応してない（15分なのは朝ドラをベンチマークにするため）
　・学習データも15分番組までなので、ドラマやドキュメンタリーには対応できておらず、今回のデモに関してと実用の都合上で実用化できているわけではない
・オールインワンの社内基盤モデルとして作ったが、タスク調整をよくばりすぎて、モデルサイズもあってか中途半端な性能
　・実用化を目指すなら比較的解けそうなタスクに絞って FT することになるんじゃないか
・映像理解は画像理解がついた VLM で擬似的にできるし、音声も高性能な内製音声認識で書き起こしてから LLM に画像→テキスト→画像→テキストみたいにインターリーブして入れれば何とかなる事も分かったから、音声モダリティは必須ではないんじゃね？とか考え中
・音声モダリティなしの VLM の開発方向性で言うと継続事前学習まで試しており、非中国モデルという選定から今となっては古い Llama 3.1 ベースだが、タスクを絞ったことでそこそこ精度が出ている
・人物相関図とか番組編集時の次のカット割り予測とかも当該基盤モデルで出せるようにしてみたが（人物相関図は手動？カット割り予測は VLM で錬成した合成データらしい）、LoRA なのもあってか物語の理解とかセンスだとかまでは全然達していない
　・実用性というよりはベンチマーク測る用の機能ではあったが、時系列の一貫性とかがやはり弱い
・我々が開発している間にビックテックがより強いモデルを出してくる可能性は全然あって、本当に差が決定的になったら研究やめてもいいかもだが、日本語を扱うメディアが海外依存なのもどうなん？という国策 AI 的な文脈とか今までの積み重ねはある
・内製の音声認識 AI も過去何年も育ててきた自前アーキテクチャ用の人力アノテーションデータを Whisper に食わせたら性能爆上がりしたので今は Whisperベースで考えている
…とかほかにも色々あったけど眠すぎるのでいったんここまで（というか抜粋の文量じゃねえな…）

[Takato Ueno @nefroid1]

👀

グローバル・メディア・スタディーズ学部メディア・インフォマティクス学科（仮称）の設置構想について | 大学からのお知らせ | 駒澤大学 https://t.co/CAbMxoOirO

[Le Contemplateur @LeContempIateur]

Ma découverte du jour : l’English Pouter, une race de pigeon domestique au physique aussi étrange que fascinant…

[Takato Ueno @nefroid1]

結構使える

[NHK技研（放送技術研究所、STRL） @nhk_giken]

#技研公開2026 は「拓く、支える、これからも」をテーマに、Future Vision 2030–2040に基づく3つの重点領域を中心とした「未来を拓く」研究と、直近の課題解決を通じて「メディアを支える」研究成果を16点展示します。展示の詳細は5月中旬に公開予定です。
https://t.co/AsDEDjXVqJ

[Takato Ueno @nefroid1]

初任給は㊙️㊙️万円でした

[Takato Ueno @nefroid1]

https://t.co/rHCZ9uOWah

[原因地 @genninchi1995s]

ソとンを前半に、ビジュアリゼーションを後半に発表します。
#CHI2026

[Momoka Ikegami @ikemomochan]

Our poster will be presented at 2:15 in Green Area 13!💚💚
It’s about a dialogue system using a super hype persona inspired by Japanese culture🇯🇵✨✨
Come see our SUPER KAWAII poster‼️‼️🥹🥹💖💖💖💖💖💗💗💗💗💗
#CHI2026

[Takato Ueno @nefroid1]

3つ目のKOMAnetアカウントが出来た

[あるふ @alfredplpl]

単に言語モデルのコーナーケースに入って繰り返しが発生した後、インストラクションチューニングが解けて、生の言語モデル仕草をしてるだけだと思うが、そんな不思議なのだろうか

[Takato Ueno @nefroid1]

駒澤大学大学院グローバル・メディア研究科修士課程を修了しました！また、学長賞も頂きました！ありがとうございます！

[Takato Ueno @nefroid1]

駒澤大学同窓会から同窓会表彰を受けました！ありがとうございます！

表彰金はWISSで大学からの助成が足りなかった分に補填します

[Takato Ueno @nefroid1]

麻布のチームラボ行ってきました。かなり良かったのでオススメです