日本のアニメ産業は世界にも名を轟かせ、多くの素晴らしい作品を輩出してきていますが、その現実は深刻な人手不足問題に直面しており、AIアシストによる人手不足問題の解消は喫緊の課題となっています。
近年多くの画像生成モデルや映像生成モデルが発表され話題を呼んでいますが、お手本となるイラストとの一貫性を保つことがまだまだ難しく、また、クリエイターの意図を汲んで編集を重ねることに向いていないというのが実状です。
私はこれらの課題に取り組みながら、アニメをはじめとする映像制作工程のボトルネック解消を目指します。将来は大学または企業にて、現場に導入可能な技術として研究を発展させていきたいと考えています。

高速かつ高精度な数値シミュレーション代替モデルを実現するため、機械学習と計算力学を融合させた新たなフレームワークの構築に取り組んでいます。将来的には、計算力学分野での新技術の創出を通じて、日本の産業界の発展に貢献できる国際的視点を持った研究者を目指しています。

私は、RGB動画に依存しない人物センシングを軸に、無線（Wi-Fi 等）や音響信号を用いた人物認識・動作推定の研究を進めてきました。遮蔽や暗所など視覚が不利な環境でも高精度に動作を捉えつつ、視覚プライバシーへの配慮を両立します。現在は Carnegie Mellon University にて、物理シミュレーションと強化学習を組み合わせ、人―人／人―ロボットの身体インタラクションにおけるモーション生成に取り組んでいます。
今後は、非視覚センシングと物理ベース学習を統合してロボットの知覚・行動計画に実装し、転倒検知・安全介助・協調搬送など生活現場への展開を進めます。実環境で信頼して使える human-centric なヒューマンセンシング／ヒューマン-ロボット・インタラクション基盤の確立を目指します。

私は「イベントカメラ」という特殊なカメラで撮影されたデータの活用について研究を行っています。イベントカメラは通常のカメラとは異なり「明るさの変化」を計測するカメラで、通常のカメラでは困難な高速に移動する物体の撮影や暗い場所での撮影を可能にします。私はこれまでイベントカメラを用いた画像のブレ除去やスポーツの試合におけるボールの回転推定、動いている物体の3次元形状復元などの応用に取り組んできました。
私は特殊なセンサを用いて通常のカメラでは観測が困難な被写体や現象を観測することに興味を持っており、イベントカメラの研究にもその一環として取り組んでいます。将来的にはイベントカメラに限らず、様々なセンサを用いた研究に取り組んでいきたいと考えており、それが従来のコンピュータビジョン技術の限界を押し広げることに繋がると信じています。

I specialize in optimizing Federated Learning for wireless edge networks. My research addresses critical energy and latency bottlenecks, highlighted by the development of the “FedBDC” framework which significantly reduces power consumption for IoT devices. Moving forward, I aim to bridge the gap between theoretical algorithms and practical applications, expanding into fields like Smart Agriculture. My vision is to become a global innovator, delivering sustainable, cross-disciplinary AI solutions to solve real-world societal challenges.