博士課程3年 黄君の研究「AdaLine: Adaptive Counting Line Optimization by Perspective-Aware Trajectory Modeling in Object-Detection-Tracking Systems」が国際論文誌 IEEE Accessにacceptされました．

Abstract:

The combination of object detection, tracking, and counting has become a widely used method. The position and angle of cameras can vary according to the deployment scenarios, which affects counting accuracy. Traditional approaches often rely on manually pre-defined counting lines or regions-of-interest (ROIs), which are static, environment-specific, and difficult to generalize.
To overcome these limitations, we propose AdaLine, an adaptive, perspective-aware algorithm that learns the optimal counting line from object trajectories, thereby enabling adaptation to diverse environments and camera viewpoints without manually defined counting lines.
AdaLine adapts automatically as the scene evolves by clustering incoming trajectories with K-means, selecting the most stable line candidate, and smoothing it with an exponential moving average. Experimental evaluations across different scenarios and camera settings show that AdaLine achieves better performance in terms of accuracy, stability, and applicability. Our approach offers a scalable, real-time configuration-free solution for object-detection-tracking systems.

修士課程2年 伊藤君の研究「Object Size Classification in Garbage Disposal Sensing System Using Monocular Depth Estimation」が国際会議 AIoTSys 2025にacceptされました．

Abstract:

Deep learning-based object detection is widely used in urban sensing, enabling tasks such as pedestrian, pothole, and waste detection. Automotive sensing with dashcams facili- tates large-scale, real-time detection across urban environments. However, existing studies primarily focus on detection without estimating object size, which is crucial for event classification. Conventional size estimation methods rely on RGB-D cameras, multiple cameras, or LIDAR, making them unsuitable for large- scale automotive sensing with single RGB dashcams. Monocular depth estimation provides relative depth but does not yield abso- lute size measurements. To address this limitation, we propose a novel approach that combines monocular depth estimation with a reference object of known size. By comparing the detected object’s pixel dimensions with those of the reference object, its physical size can be estimated. To validate our approach, we developed an automotive sensing platform that detects and quantifies household garbage bags using footage from the rear- view camera of garbage trucks. The truck body serves as the reference object, ensuring reliable size estimation. Experiments conducted with real-world data collected using an NVIDIA Jetson TX2 demonstrate the effectiveness of our method. The proposed approach achieves size estimation accuracy with mean squared errors (MSEs) of 20.02 for width and 18.68 for height while maintaining an end-to-end processing rate of 19.21 frames per second (FPS) for detection, tracking, and size estimation.

後期博士課程 三上君の研究「JumpQ: Stochastic Scheduling to Accelerating Object-detection-driven Mobile Sensing on Object-sparse Video Data」が国際会議 ACM SenSys2025にacceptされ，口頭発表を行いました．

Abstract:

Deep learning-based object detection has seen a surge in application for sensing systems on mobile devices. In this context, objects are identified and tracked across video frames,　facilitating the calculation of associated events of interest. A significant research challenge refers to the acceleration of processing speed, which is constrained by deep learningbased object detection due to its intensive resource requirements. This paper focuses on a typical mobile sensing scenario, wherein sequences of frames containing objects of interest are sparsely dispersed throughout the video stream. Given that many of the frames lack objects, allocating substantial computational resources to detect them becomes inefficient. In light of this, we propose a stochastic scheduling algorithm, JumpQ. JumpQ performs per-frame detection when anticipating the presence of objects in the current frames. Consecutive negative detections prompt a transition to intermittent detection with a probability that undergoes further decay if the negative detection persists until reaching a predefined limit. Upon a positive detection, JumpQ swiftly reverts to per-frame detection and retraces a specific number of previously buffered frames to ensure the inclusion of potentially missed true frames. A comprehensive experimental study using the garbage bag counting technique was conducted to show the efficiency of JumpQ in accelerating the processing speed by nearly 1.92 times while maintaining a negligible impact on sensing accuracy.

Mikami, K., Huang, W., Chen, Y., & Nakazawa, J. (2025, May). JumpQ: Stochastic Scheduling to Accelerating Object-detection-driven Mobile Sensing on Object-sparse Video Data. In Proceedings of the 23rd ACM Conference on Embedded Networked Sensor Systems (pp. 332-344).

卒業生 牧野君の研究「Laqista: Serverless Cloud-Fog-Dew Computing Platform for Deep Learning Applications」が国際会議 IEEE SmartComp2025にacceptされました．

Abstract:

In Smart Things and smart city applications, IoT devices generate large amounts of data and deep learning technologies are used to acquire useful information from it. Based on the kind of application and data, there are various non-functional requirements, such as low latency for information presentation by MR and privacy for video processing. To serve these requirements, a computing platform needs to make appropriate use of computing resources, namely Cloud, Fog, and Dew. However, there are some technical challenges in designing such a platform: i) transparently satisfying application QoS; ii) running the application across various hardware and OSes without modification; iii) sharing the application context taking into account the validity of values (temporal locality) and the data privacy (spatial locality). In this paper, we introduce Laqista, a novel Cloud-Fog-Dew computing platform. Laqista serves applications in a serverless manner via the Edgeless API, which schedules requests and abstracts the details of the platform. Applications are separated into Logics and Models, which are converted to lightweight, platform-agnostic formats such as WebAssembly and ONNX, respectively. Additionally,
the Context Store synchronizes application context among the nodes, handling the privacy and validity of data. We developed a prototype implementation of Laqista in Rust and evaluated its performance. Experimental results show that the Laqista design has practical performance and is applicable to real-time applications such as video processing and MR.

卒業生 高君らの論文「Cyberoception: Finding A Painlessly-Measurable New Sense In The Cyberworld Towards Emotion-awareness In Computing」がACM CHI’25に採択されました。学部4年次の研究です。

Abstract:

In Affective computing, recognizing users’ emotions accurately is the basis of affective human-computer interaction. Understanding users’ interoception contributes to a better understanding of individually different emotional abilities, which is essential for achieving inter-individually accurate emotion estimation. However, existing interoception measurement methods, such as the heart rate discrimination task, have several limitations, including their dependence on a well-controlled laboratory environment and precision apparatus, making monitoring users’ interoception challenging. This study aims to determine other forms of data that can explain users’ interoceptive or similar states in their real-world lives and propose a novel hypothetical concept “cyberoception,” a new sense (1) which has properties similar to interoception in terms of the correlation with other emotion-related abilities, and (2) which can be measured only by the sensors embedded inside commodity smartphone devices in users’ daily lives. Results from a 10-day-long in-lab/in-the-wild hybrid experiment reveal a specific cyberoception type “Turn On” (users’ subjective sensory perception about the frequency of turning-on behavior on their smartphones), significantly related to participants’ emotional valence. We anticipate that cyberoception to serve as a fundamental building block for developing more “emotion-aware”, user-friendly applications and services.

Okoshi, T., Gao, Z., Tan, Y. Z., Karasawa, T., Miki, T., Sasaki, W., & Balan, R. K. (2025, April). Cyberoception: Finding A Painlessly-Measurable New Sense In The Cyberworld Towards Emotion-awareness In Computing. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (pp. 1-17).

本研究では、物理空間／サイバー空間両方にまたがる現代人の日常生活において、非認知能力と深い関係があるとされる「内受容感覚」と類似性のある新しい感覚「サイバー受容感覚」を発見しました。今回発見された感覚は、ユーザーが日常生活で携帯するスマートフォンに組み込まれたセンサだけで測定できる、人間の新しい感覚です。感覚のするどさと、自身の感情能力との間に有意な相関があることが世界ではじめて明らかになり、感情に寄り添うIT/AIシステムの発展に寄与すると期待されます。

プレスリリースはこちらです：kri.sfc.keio.ac.jp/ja/news/cyberoception_20250425/↗

国立研究開発法人情報通信研究機構 (NICT) の委託事業「ShonanFutureVerse: 仮想都市未来像にもとづく超解像度バックキャスティングCPS基盤」プロジェクト（以下「SFVプロジェクト」）、慶應義塾大学大越グループでは、2025年4月23(水)に慶應大阪キャンパスで開催されるシンポジウム『AIoT/XRで挑む未来都市リアリティ – 人々の動きを”捉え”て”促す”』にて、人流マネージメントやMixed Reality (MR) 型情報提示の基盤技術に関する研究を発表・展示いたします。

日時：2025年4月23日（水）13:00～18:00（開場12:30）

場所：慶應大阪シティキャンパス（大阪市北区大深町3番1号グランフロント大阪　ナレッジキャピタル北館タワーC　10階　Room1）

参加費：シンポジウム無料 ※懇親会調整中

定員：100名　※先着順

参加申し込みはこちら（Webサイト上での事前申込制）：https://forms.gle/vfWVA4ihJr452LwMA

申込期限：2025年4月18日（金）

【開催概要】

気候変動をはじめとした地球環境の変化と共に人間社会が発展・成熟しつづけられるための「サステイナビリティ」、「緊急事態の慢性化」ともいえる多種の災害や感染症蔓延が起きる中での「レジリエンス」、といった社会要請下において、

• 人々が誰でも簡単に都市の「実現したい未来」や「避けたい未来」を具体的な像として作成／共有／相互理解
• その未来状態実現のために必要な施策とその実施方針をバックキャストで導出
• それらにのっとった施策の実施とフィードバックループによる現在都市の「未来化」をIT/AI技術を用いて実現することができるのか。

本シンポジウムでは、SFVプロジェクトのテーマである上記3点をメインに、都市の効率性や住みやすさを向上させ、持続可能な未来都市を実現するためには、今何が必要かについて議論します。

【プログラム予定】

13:00　開会挨拶　

13:05　招待講演1　「Internet of Realities：AIが拓く新たな現実とそのインターネットに向けて」　名古屋大学大学院工学研究科准教授 米澤拓郎　氏

13:45　招待講演2　「スマートフォンプローブデータがひらく災害レジリエンス — 能登半島地震から豪雪対策まで —」　株式会社社会システム総合研究所 主任研究員 望月祐洋　氏

14:25　「Shonan Future Verseプロジェクト概要」　東日本電信電話株式会社 ビジネスイノベーション本部 担当課長　田村雅之

14:40　講演　「テーマパークにおける人流マネージメント 〜横須賀市ソレイユの丘を事例に〜」　慶應義塾大学環境情報学部 准教授 大越匡

15:10　休憩／デモ・ポスター展示

15:40　講演　「観光地における来訪者の快適性を高める人流ナウキャスト・フォアキャスト~藤沢市江の島における実証実験に向けて~」　株式会社アイ・トランスポート・ラボ　代表取締役社長　花房比佐友

16:10　講演　「災害時における「実現したい未来」・「避けたい未来」」　京都大学防災研究所 准教授　廣井慧

16:40　パネルディスカッション「AI時代、多様化する”現実”と人々の行動」

17:45　閉会挨拶

18:00　閉会　　※18:30から懇親会を予定　

【SFV (ShonanFutureVerse) プロジェクト】

国立研究開発法人情報通信研究機構 (NICT) 革新的情報通信技術(Beyond 5G(6G))基金事業 要素技術・シーズ創出型プログラム (採択番号: 08201)

研究開発課題名: ShonanFutureVerse: 仮想都市未来像にもとづく超解像度バックキャスティングCPS基盤

受託者: 東日本電信電話株式会社（代表受託者）、学校法人慶應義塾、国立大学法人京都大学、国立大学法人東京大学、株式会社アイ・トランスポート・ラボ、カディンチェ株式会社、株式会社ゼンリンデータコム

開催日時： 2024年12月13日（金） 13:00～17:00

開催場所： 慶應義塾大学日吉キャンパス　藤原洋記念ホール

【開催概要】

JST CREST「共生インタラクション」領域で5年半に渡り、街の人を幸せにするAI的なもの（技術）の研究を進めてきました。私たちのプロジェクトでは、情報の力で街の人が幸せになる街をスマートシティと呼びます。この考え方は、人が必ずしも合理的でないからこそ成り立ちます。街から情報を獲得し、処理し、街に戻すことを通じて、人が新しい行動を獲得できるような、人とAI的なものとの新しい関係を考えます。

開催日時： 2024年11月26日（火） 13:00～17:00

開催場所： 慶應義塾大学三田キャンパス　北館ホール

【開催概要】

慶應義塾大学環境情報学部 中澤・大越研究室、慶應義塾大学SFC研究所 地域IoTと情報力研究コンソーシアム、および慶應義塾大学SFC研究所 健康情報コンソーシアムは、2024年11月26日午後、慶應義塾大学三田キャンパス北館ホールにて、「地域ウェルビーイングとDX」シンポジウムを開催いたします。
地球沸騰化等の環境変化、人生100年時代と少子高齢化・人口減少など、21世紀の社会を取り巻く様々な変化の中で、レジリエンスとサスティナビリティを備えた地域の発展のためには、その地域に住み、働き、また訪れる人々のウェルビーイング（地域ウェルビーイング）維持・向上が不可欠です。本シンポジウムでは、IT/AIがもたらすデジタルトランスフォーメーション（DX）と地域ウェルビーイングについて議論し理解を深めます。
具体的な研究成果や取り組みの例を交えて、地域課題の解決や、そこに滞在する人々の参加／参画促進に向けた新たなアプローチを探ります。さらに、参加者同士の意見交換を促進するため、ポスターセッションを設け、さまざまな視点からの意見やアイデアを共有します。
本シンポジウムを通じて、地域の未来に向けた新しい視点を得ることを目指します。

学部4年 張君が研究内容を第63回 日本生気象学会大会で発表しました．

研究概要：本研究ではスマートフォンのセンサデータから気象要素を推定する手法について検討し、精度を検証することによって熱中症対策用途のセンサデバイスとしてのスマートフォンの有用性を明らかにすることを目的とした。収集実験において、スマートフォンからバッテリ温度の値、黒球式熱中症指数計から気温、湿度、黒球温度、WBGTの値をそれぞれ収集した。結果、スマートフォンのバッテリ温度と黒球式熱中症指数計のWBGT値の相関係数は室内では0.88、室外では0.96の強い正の相関が見られた。この結果から、一定条件下においてスマートフォンを用いたWBGT推定ができることの可能性が示された。

修士課程2年 近藤さんが研究内容を第63回 日本生気象学会大会で発表しました．

研究概要：本研究では、熱中症リスク推定に向け、環境情報（WBGT、気温、湿度）とバイタルデータ（心拍数、活動量、年齢など）を統合し、鼓膜温を予測するLightGBM回帰モデルの開発を行った。データ収集は、2023年8月から9月の28日間、神奈川県の屋外労働者20名を対象に実施し、センサーデバイスやアンケートを用いて多様なデータの収集を行った。本実験で取得したデータを用いて平均鼓膜温を予測するLightGBM回帰モデルの開発を行い、K分割交差検証とLeave-One-Subject-Out交差検証によってモデルの性能を評価した。その結果、 K分割交差検証では平均R²スコア0.85、Leave-One-Subject-Out交差検証では平均R²スコア0.80を達成し、高い予測精度を示した。また特徴量の重要度分析により、鼓膜温予測においてはWBGTと心拍数が特に重要な要因であることが確認された。本研究は、個別の内的要因を考慮した熱中症リスク評価の可能性を示し、今後さらなるデータ統合による精度向上が期待される。