Jiro Katto 研究室
主宰者：Jiro Katto
早稲田大学
AI 要約（直近 5 年の研究成果）
Jiro Katto研究室は、デジタルデータの効率的な伝送と処理に関する研究を展開しています。特に深層学習を用いた画像・映像・3次元点群などの圧縮技術に注力しており、単一のモデルで複数の品質レベルに対応できる可変レート圧縮法や、拡散モデルを活用した圧縮品質の向上、知覚的品質を考慮した圧縮方式などを開発しています。これらの手法により、従来の圧縮方式よりもデータ量を大幅に削減しながら、高い品質を維持することを目指しています。
また、5G通信やミリ波通信などの次世代ネットワーク環境での実装応用にも取り組んでおり、実際の商用通信網における性能評価や、通信遅延を補償する映像予測技術、ネットワーク品質を推定するニューラルネットワークなどを提案しています。さらに、6自由度点群ストリーミングシステムやドローンの位置特定システムなど、実世界の応用課題に対するソリューション開発も行っています。
全体として、圧縮・伝送・予測といった要素技術を組み合わせることで、限られた通信帯域幅の中で高品質のマルチメディアデータを効率的にやり取りする仕組みの実現を目指す研究領域です。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 計算機科学Hiroshi Saruwatari 研究室東京大学論文 187 件·共通: 通信, 電気・電子, 深層学習, AI・機械学習 +12
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: 通信, 電気・電子, 深層学習, AI・機械学習 +9
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 132 件·共通: 深層学習, ネットワーク・セキュリティ, ネットワーク, AI・機械学習 +7
- 工学Tomoyuki Yokota 研究室東京大学論文 176 件·共通: 通信, 電気・電子, 環境保全, 環境科学 +7
- 計算機科学Takahiro Ogawa 研究室北海道大学論文 100 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +7
- 保健専門職Qi An 研究室東京大学論文 156 件·共通: AI・機械学習, 機械学習, 環境保全, 環境科学 +8
- 医学Toshihisa Anzai 研究室北海道大学論文 100 件·共通: AI・機械学習, 機械学習, 計算機科学, 学習 +8
- 医学Shouhei Hanaoka 研究室University of Tokyo Hospital論文 126 件·共通: 深層学習, AI・機械学習, 機械学習, 計算機科学 +6
研究成果（78 件）
- DOI: https://doi.org/10.1016/j.jvcir.2025.104541
- DOI: https://doi.org/10.1109/cvpr52734.2025.02609
- [2025] A Point Cloud Downsampling Method Balancing Global and Local Shapes for 3D Object ClassificationDOI: https://doi.org/10.1109/icce63647.2025.10929899
- [2025] Adaptive Quality Control Method for a Room-Scale 6DoF Point Cloud Streaming and its EvaluationDOI: https://doi.org/10.1109/ccnc54725.2025.10976209
- DOI: https://doi.org/10.1109/icc52391.2025.11161113
- DOI: https://doi.org/10.1016/j.jvcir.2025.104481
- DOI: https://doi.org/10.1109/jetcas.2025.3563228
- DOI: https://doi.org/10.1109/access.2025.3602651
- DOI: https://doi.org/10.1109/lgrs.2025.3589030
- DOI: https://doi.org/10.1049/ipr2.70231
続きを表示（残り 68 件）閉じる
- DOI: https://doi.org/10.1109/pcs65673.2025.11417506
- DOI: https://doi.org/10.1109/icccn65249.2025.11133796
- DOI: https://doi.org/10.1109/ism63611.2024.00034
- DOI: https://doi.org/10.1109/vcip63160.2024.10849914
- DOI: https://doi.org/10.1109/vcip63160.2024.10849887
- DOI: https://doi.org/10.1109/vcip63160.2024.10849792
- DOI: https://doi.org/10.1109/icip51287.2024.10647865
- DOI: https://doi.org/10.23919/transcom.2024cep0004
- DOI: https://doi.org/10.1109/icccn61486.2024.10637525
- DOI: https://doi.org/10.1109/wcnc57260.2024.10570635
- [2024] Real-World Performance Evaluations of Low-Band 5G NR/4G LTE 4×4 MIMO on Commercial SmartphonesDOI: https://doi.org/10.1109/wcnc57260.2024.10570976
- DOI: https://doi.org/10.1609/aaai.v38i4.28188
- DOI: https://doi.org/10.1109/vcip63160.2024.10849863
- DOI: https://doi.org/10.1109/icce56470.2023.10043368
- DOI: https://doi.org/10.1109/icassp49357.2023.10095875
- DOI: https://doi.org/10.1109/wcnc55385.2023.10118777
- DOI: https://doi.org/10.1109/wcnc55385.2023.10118834
- DOI: https://doi.org/10.1109/ccnc51644.2023.10060202
- DOI: https://doi.org/10.1109/icce56470.2023.10043573
- DOI: https://doi.org/10.1109/icce56470.2023.10043423
- DOI: https://doi.org/10.1109/access.2023.3291591
- DOI: https://doi.org/10.1109/access.2023.3326326
- DOI: https://doi.org/10.46620/ursigass.2023.3248.shvo4632
- DOI: https://doi.org/10.1109/globecom54140.2023.10437076
- DOI: https://doi.org/10.1109/vcip59821.2023.10402683
- DOI: https://doi.org/10.1109/iecon51785.2023.10312624
- DOI: https://doi.org/10.1109/cvpr52729.2023.01383
- DOI: https://doi.org/10.1145/3517212.3559481
- DOI: https://doi.org/10.1109/wcnc51071.2022.9771972
- DOI: https://doi.org/10.1109/mmul.2022.3159372
- DOI: https://doi.org/10.1109/icaiic54071.2022.9722682
- DOI: https://doi.org/10.1109/icaiic54071.2022.9722655
- DOI: https://doi.org/10.1109/tip.2022.3152627
- DOI: https://doi.org/10.1109/icce-taiwan55306.2022.9869044
- DOI: https://doi.org/10.1109/pcs56426.2022.10018036
- DOI: https://doi.org/10.1109/iscas48785.2022.9937635
- DOI: https://doi.org/10.1109/vcip56404.2022.10008823
- DOI: https://doi.org/10.1109/tcsvt.2022.3231789
- DOI: https://doi.org/10.1109/vcip56404.2022.10008876
- DOI: https://doi.org/10.1109/jiot.2022.3223525
- DOI: https://doi.org/10.1109/a-sscc56115.2022.9980666
- DOI: https://doi.org/10.1109/icip46576.2022.9897854
- DOI: https://doi.org/10.1109/icip46576.2022.9897695
- DOI: https://doi.org/10.1109/icpr56361.2022.9956532
- DOI: https://doi.org/10.1109/ccnc49032.2021.9369538
- DOI: https://doi.org/10.1109/icip42928.2021.9506522
- DOI: https://doi.org/10.1145/3485730.3492892
- DOI: https://doi.org/10.1109/asicon52560.2021.9620332
- DOI: https://doi.org/10.1109/gcce53005.2021.9621860
- DOI: https://doi.org/10.1109/vcip53242.2021.9675369
- DOI: https://doi.org/10.1109/iccci51764.2021.9486805
- DOI: https://doi.org/10.1109/iwqos52092.2021.9521263
- DOI: https://doi.org/10.1109/pcs50896.2021.9477496
- [2021] FRAB: A Flexible Relaxation Method for Fair, Stable, Efficient Multi-user DASH Video StreamingDOI: https://doi.org/10.1109/icc42927.2021.9500784
- DOI: https://doi.org/10.1109/iscas51556.2021.9401178
- [2021] Accelerating Convolutional Neural Network Inference Based on a Reconfigurable Sliced Systolic ArrayDOI: https://doi.org/10.1109/iscas51556.2021.9401287
- DOI: https://doi.org/10.1007/s11227-021-03789-2
- DOI: https://doi.org/10.1109/wcnc49053.2021.9417599
- DOI: https://doi.org/10.1109/icce50685.2021.9427634
- DOI: https://doi.org/10.1109/ccnc49032.2021.9369521
- DOI: https://doi.org/10.23919/eusipco54536.2021.9616315
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。