NEWS お知らせ

Hongxu Ma*, Guang Li*, Shijie Wang, Dongzhan Zhou, Baoli Sun, Takahiro Ogawa, Miki Haseyama, Zhihui Wang, “FD²: A Dedicated Framework for Fine-Grained Dataset Distillation,” European Conference on Computer Vision (ECCV), Malmö, Sweden, 2026. (* Equal Contribution)

なお、本研究は、浙江大学、大連理工大学、上海AI Labおよびクイーンズランド大学との国際共同研究の成果です。

https://www.hokudai.ac.jp/news/2026/08/aiaifd.html

本研究では、3Dシーン内の個々のオブジェクトに注目し、各オブジェクトが適切に認識できる品質かを評価する新たな指標「Detectability Score」を提案しています。

Yuiko Uchida, Ren Togo, Keisuke Maeda, Takahiro Ogawa, and Miki Haseyama, “Rethinking 3D Scene Evaluation from an Object-Centric Perspective,” IEEE Access.

[1] Bincheng Peng, Guang Li, Ping Liu, Takahiro Ogawa, Miki Haseyama, “Efficient linear-probe dataset distillation for pre-trained vision models”

[2] Ge Tian, Guang Li, Takahiro Ogawa, Miki Haseyama, “Adaptive multi-level response matching for point cloud dataset distillation”

[3] Seiya Kidoguchi, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama, “Instruction-tuned vision language model for bridge inspection with reason-based prompts”

[4] Ibuki Kameya, Tasuku Nakajima, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama, “A privacy-preserving unlearning framework based on pixel-level encryption”

[5] Tatsuki Yamada, Ryota Goka, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama, “Does side really matter? Investigating left-right bias in skeleton-based human action recognition”

[6] Toma Onozuka, Koshiro Toishi, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama, “Mitigating concept bleed-through in continual personalized image generation via latent space-based target selection”

[7] Kentaro Oishi, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Application of deep autoencoding Gaussian mixture model for anomaly detection in hyperspectral analysis of rubber materials”

[8] Akira Hasegawa, Kenta Kubota, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Towards low-power time-series anomaly detection with spike-based variational autoencoder”

[9] Akari Maeda, Masaki Yoshida, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Spatial audio reproduction from 3D Gaussian splatting scenes via mesh conversion and mesh-based acoustic simulation”

[10] Takuya Kinoshita, Ren Togo, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama, “Quantifying task difficulty for LLMs based on reasoning trajectories”

[11] Shin Kawamura, Tatsuki Seino, Naoki Saito, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Prompt refinement for vision-language-action models under incomplete instructions for robot control”

[12] Yuki Iwasa, Keigo Sakurai, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Ranking refinement with context-dependent acoustic preference for music recommendation”

[13] Ryuki Unno, Koshi Watanabe, Keigo Sakurai, Takahiro Ogawa, Miki Haseyama, “Impact of expert-following strategies in financial asset recommendation”

[14] Genki Masuyama, Keigo Sakurai, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Local temporal onset density control in symbolic music arrangement via sparse autoencoders”

https://www.ieee-gcce.org/2026/index.html

[1] Keigo Sakurai, Takahiro Ogawa, Miki Haseyama, “The edge spectrum of choice-derived item graphs: Strong and weak edges encode different relations in collaborative filtering.” (Full Paper Track、採択率：27%)

[2] Keito Kozaki, Keigo Sakurai, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Diagnosing lexical text-anchor retrievability in sequential recommendation benchmarks.” (Short Paper Track、採択率：30%)

https://cikm2026.diag.uniroma1.it

このうち以下の3件の発表がMIRUオーディエンス賞を受賞しました！

・佐藤雅也, 前田圭介, 藤後廉, 小川貴弘, 長谷山美紀, “出力分布に基づくMLLM推論：Visual Question AnsweringのためのMLLMにおける視覚情報と内部知識の統合改善”

・Tomoya Mitsui, Ren Togo, Naoki Saito, Takahiro Ogawa, Miki Haseyama, “Attention- and Interference-Guided Adaptive VLM-LLM Merging for Improved Perception-Reasoning Trade-offs”

・Masaki Yoshida, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Spatially Consistent Soundscape Generation from 3D Gaussian Splatting Scenes”

また、M1 三ツ井君、D3 吉田君、M1 鄧君がそれぞれMIRU学生奨励賞を受賞しました！

ご聴講に来てくださった皆様、ありがとうございました！

参加予定の方は是非ご聴講ください！

大会プログラム：https://miru-committee.github.io/miru2026/program/timetable/

Keito Kozaki, Keigo Sakurai, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Revisiting the role of learned attention weighting in SASRec”

Paper: https://dl.acm.org/doi/10.1145/3805712.3809967

Code: https://github.com/keito0329/revisiting-sasrec

Tomoya Mitsui, Ren Togo, Naoki Saito, Takahiro Ogawa, Miki Haseyama, “Observation-Guided Model Merging for Vision-Language Reasoning via Attention Flow and Task Interference”

https://attend.ieee.org/mmsp-2026

Masaki Yoshida, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Toward AI-Assisted Soundscape Generation for 3D Scenes: Design and Perceptual Gap Analysis”

https://www.i3da2026.org/?fbclid=IwY2xjawTyh7BwZG9mBWV4dG4DYWVtAjExAHNydGMGYXBwX2lkEDIyMjAzOTE3ODgyMDA4OTIAAR6pjpIFmQ5hgAeWTTJfrQvq10TMNVHSqbcCPvbuusk-do7avZUiDtdx5nGPiQ_aem_DwODz6UHJslmfPlELPuhpw

今回は、今秋よりマサチューセッツ工科大学博士後期課程に進学される武樋力哉さんさんをお招きし、情報検索・LLMに関する研究に関して講演をしていただきました！

さらに、当研究室で進めている推薦システムの研究に関して、活発な意見交換が行われました！

武樋さん、ありがとうございました！

https://recsys.acm.org

Keito Kozaki, Keigo Sakurai, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Explaining Last-Item Reliance in Causal Self-Attention for Sequential Recommendation via Residual Dominance.”

https://itc-cscc2026.ecti-thailand.org

[1] Riku Yoshida, Ryota Goka, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama, “Multimodal LLM-based Noise Filtering in Composed Video Retrieval Dataset”

[2] Shuailin Du, Guang Li, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Enhanced Medical Dataset Distillation via Two-Stage Classifier-Guided Diffusion”

このうちM2 登石君の発表がBest Presentation Awardを受賞しました！

[1] Koshiro Toishi, Keisuke Maeda, Soichiro Kumano, Ren Togo, Toshihiko Yamasaki, Takahiro Ogawa, and Miki Haseyama, “Analysis of Model Merging for Integrating Adversarial Robustness across Diverse Datasets in CLIP models.” (Best Presentation Award)

[2] Riku Yoshida, Ryota Goka, Keisuke Maeda, Takahiro Ogawa, and Miki Haseyama, “Reliable Triplet Construction for Soccer Composed Video Retrieval Using Multimodal LLM Evaluation.”

[3] Hideo Kodama, Masaki Yoshida, Ren Togo, Takahiro Ogawa, and Miki Haseyama, “Understanding the Layer-wise Role of Text-Stream Modulation in Diffusion Transformers.”

[1]の論文は東京大学との共同研究成果です．

Huaying Zhang, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Reranking-based Analysis on Visual and Textual Query Contribution to Composed Image Retrieval.”

Paper:https://dl.acm.org/doi/10.1145/3805622.3810811

Video:https://youtube.com/watch?v=SjC86IEjEAk

今年の採択率は27.5%（2,883/10,473）で、2026年9月8日～9月12日にスウェーデン・マルメにて開催予定です。

Hongxu Ma*, Guang Li*, Shijie Wang, Dongzhan Zhou, Baoli Sun, Takahiro Ogawa, Miki Haseyama, Zhihui Wang, “FD2: A Dedicated Framework for Fine-Grained Dataset Distillation,” European Conference on Computer Vision (ECCV), Malmö, Sweden, 2026. (*: Equal Contribution, Acceptance Rate: 27.5%)

https://eccv.ecva.net/Conferences/2026

なお、本研究は、浙江大学、大連理工大学、上海AI Labおよびクイーンズランド大学との国際共同研究の成果です。

[3]は株式会社 国際電気、[4]は大阪公立大学・野村アセットマネジメント株式会社との共同研究成果です。

[1] 神崎恵土，櫻井慶悟，藤後廉，小川貴弘，長谷山美紀 “Transformerに基づく逐次推薦モデルにおける自己注意重みの再考”

[2] 佐藤太陽，前田圭介，斉藤直輝，小川貴弘，長谷山美紀 “相互作用強度の制御に基づく分散型 LLM マルチエージェントシステムの集団挙動解析に関する検討”

[3] 朱赫，藤後廉，前田圭介，小川貴弘，長谷山美紀 “実環境物体検出におけるドメイン適応のためのクラスタリング連合学習のロバスト性検証”

[4] 櫻井慶悟、小川貴弘、長谷山美紀、阿南晏樹、中川慧 “金融意思決定のための市場状態に応じた動的目的関数選択”

Zhu He, Ren Togo, Takahiro Ogawa, Kenji Hirata, Minghui Tang, Takaaki Yoshimura, Hiroyuki Sugimori, Noriko Nishioka, Yukie Shimizu, Kohsuke Kudo, Miki Haseyama, “Personalized Longitudinal Medical Report Generation via Temporally-Aware Federated Adaptation,” IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026 (CVPR 2026). (Acceptance Rate: 25.4%)

https://openaccess.thecvf.com/…/Zhu_Personalized…

なお、本研究は北海道大学病院、北海道大学大学院医学研究院および北海道大学大学院保健科学研究院との共同研究の成果です．

北海道大学プレスリリースはこちらから

https://www.hokudai.ac.jp/news/pdf/260601_pr3.pdf

本研究では，生成型データセット蒸留において重要となるサンプリング過程に着目し，データの意味的情報を考慮した Semantic-aware Sampling（SAS） を提案しています！

Mingzhuo Li, Guang Li, Linfeng Ye, Jiafeng Mao, Takahiro Ogawa, Konstantinos N. Plataniotis, Miki Haseyama, “SAS: Semantic-aware sampling for generative dataset distillation,” IEEE Open Journal of Signal Processing, 2026.

本研究は，トロント大学および東京大学との共同研究であり，ICIP 2026にても発表予定です．

[1] 山森 諄也, 藤後 廉, 山城 輝久, 小川 貴弘, 長谷山 美紀, “大規模マルチモーダルモデルの潜在表現を用いた解釈可能なインテリアスタイル意味空間の構築” (IEEE ICIP 2026 採択済)

[2] Tomoya Mitsui, Ren Togo, Naoki Saito, Takahiro Ogawa, Miki Haseyama, “Attention- and Interference-Guided Adaptive VLM-LLM Merging for Improved Perception-Reasoning Trade-offs”

[3] 佐藤 雅也, 前田 圭介, 藤後 廉, 小川 貴弘, 長谷山 美紀, “出力分布に基づくMLLM推論：Visual Question AnsweringのためのMLLMにおける視覚情報と内部知識の統合改善”

[4] Kaixin Deng, Guang Li, Takahiro Ogawa, Miki Haseyama, “Frequency-Aware Idempotent Projection for Robust Image Hiding”

[5] Masaki Yoshida, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Spatially Consistent Soundscape Generation from 3D Gaussian Splatting Scenes”

※[1] の論文は、北海道大学総合イノベーション創発機構データ駆動型融合研究創発拠点(D-RED)に設置されている寄附講座「ニトリみらい社会デザイン講座」で実施された研究成果となります。

https://miru-committee.github.io/miru2026/?fbclid=IwY2xjawSXFbNleHRuA2FlbQIxMQBzcnRjBmFwcF9pZBAyMjIwMzkxNzg4MjAwODkyAAEesoW-SCgsQNlKP04nz43_v_7LWMQ3-028apUhEXixOazWlAlUr7XXO1BvHwc_aem_77bqAaIZNl2JlBWQd9IdmQ

視覚・テキスト類似度を組み合わせたtriplet 自動構築と、MLLM による妥当性評価を用いて、サッカー動画向けの大規模 CoVR データセット構築手法を提案しています！

Riku Yoshida et al., “Automated Triplet Construction for Composed Video Retrieval in Soccer with Multimodal Similarity and MLLM-based Screening.”

https://www.mdpi.com/journal/applsci