我々は応用光学とコンピュータサイエンスの協調設計により、機械や人工知能のための新しい視覚系を構築する。本ページでは研究室の二つの柱と、進行中のプロジェクトを紹介する。
Through the co-design of applied optics and computer science, we build new vision systems for machines and AI. This page introduces our two pillars and our ongoing projects.
光学系とセンサと計算を一体として設計する。モノクロ・マルチスペクトル・偏光・時間分解・単一光子など、センサ非依存のアクティブ計測を武器に、従来では見えなかった物理量を取り出す。
We design optics, sensors, and computation as a unified whole. Using sensor-agnostic active measurement — monochromatic, multispectral, polarimetric, time-resolved, or single-photon — we extract physical quantities that were previously invisible.
計測したデータや仮想モデルから映像・構造物を生成する。計算撮影、計算製造、ニューラルレンダリングを通じて、撮像系と一体となった新しい表現を設計する。
From measured data and virtual models, we generate imagery and structures. Through computational photography, computational fabrication, and neural rendering, we design new forms of expression inseparable from the imaging system.
産業計測を中心に、計算写真、材料計測、ロボット視覚など幅広い応用で研究を進めている。以下はその一部である。
With industrial measurement at the core, we pursue projects across computational photography, material sensing, and robot vision. A selection is shown below.
霧や生体組織など、散乱の強い媒質越しに物体を捉える。時間符号化と深層展開による再構成。
Seeing through strongly scattering media such as fog and biological tissue, via time-coded illumination and deep unrolling reconstruction.
単一光子レベルで材質の反射特性を高速取得。産業材料検査・デジタルツイン化へ応用。
Fast material reflectance acquisition at single-photon sensitivity, applied to industrial inspection and digital twins.
イベントセンサの時間分解能を活かし、従来のフレームベースを超える速度で3D形状を取得。
Leveraging the temporal resolution of event sensors, we capture 3D shape faster than conventional frame-based approaches.
目的の見た目を持つ物体を自動設計し3D造形。光学特性から逆算するインバースデザイン。
Automatically designing and 3D-printing objects with target appearance, via inverse design from optical properties.
レンダリング側から撮影系まで一体で最適化。物理シミュレーションと機械学習の融合。
Jointly optimizing the renderer and the imaging system — a fusion of physical simulation and machine learning.
可視光では透過できない内部欠陥を、SWIR分光と深層学習で高感度に検出する。
Detecting internal defects invisible to visible light, via SWIR spectroscopy combined with deep learning.
これまでに完了したプロジェクトの一覧。各プロジェクトの成果は論文・講演・実装として公開されている。
A list of past, completed projects. Their outcomes have been released as papers, talks, and implementations.
偏光情報を活用して、従来のステレオでは困難だった透明・半透明物体の3D形状を推定。
Using polarization cues to estimate 3D shapes of transparent and translucent objects — a regime where conventional stereo struggles.
符号化開口とスパース再構成によって、単一露光で31バンドのスペクトル画像を取得する計算カメラ。
A computational camera that captures 31-band spectral images in a single exposure, via coded aperture and sparse reconstruction.
測定BRDFをニューラルネットで圧縮表現し、任意光源下でのリアルタイムレンダリングを実現。
Compressing measured BRDFs into a neural representation, enabling real-time rendering under arbitrary lighting.
角を回り込んで見えない物体を再構成する非視線イメージングを、従来の100倍高速化するアルゴリズム。
Reconstructing objects hidden around corners — a 100× speedup over prior NLOS imaging algorithms.
研究室を知る。仲間になる。
Explore our lab, or join us.