| イベント名 | AI画像処理・画像生成技術のための画像品質評価 |
|---|---|
| 開催期間 |
2026年09月30日（水）
10:00～16:00 ※講義中の録音・撮影はご遠慮ください。 ※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。 ■配布資料 配布資料は製本テキスト(開催前日着までを目安に発送) ※セミナー資料はお申し込み時のご住所へ発送させていただきます。 ※開催まで4営業日～前日にお申込みの場合、セミナー資料の到着が、 開講日に間に合わない可能性がありますこと、ご了承下さい。 |
| 会場名 | ライブ配信セミナー（リアルタイム配信） |
| 会場の住所 | オンライン |
| お申し込み期限日 | 2026年09月30日（水）09時 |
| お申し込み受付人数 | 30 名様 |
| お申し込み |
|
AI画像処理・画像生成技術のための画像品質評価
～PSNR・SSIMからDeep Learning IQA、生成AI画像評価まで～
受講料（税込）：55,000円
＼お得な割引キャンペーン実施中！／
詳細・お申し込みは「お申し込みはこちらから」よりご確認ください。
【オンライン配信】
Zoomによるライブ配信 ►受講方法・接続確認（申込み前に必ずご確認ください）
セミナー視聴はマイページから
お申し込み後、マイページの「セミナー資料ダウンロード／映像視聴ページ」に
お申込み済みのセミナー一覧が表示されますので、該当セミナーをクリックしてください。
実際の画像処理・AIシステム開発において適切な評価技術を選択・活用できる知識
画像品質評価の基本概念、主観評価と客観評価の違い、PSNR・SSIMなど代表的評価指標
No-Reference IQA技術、Deep Learningを用いたIQA、生成AI画像評価技術、医療画像AI評価技術
Explainable AIと品質評価の考え方、最新研究動向と今後の展望
講師
埼玉大学 大学院理工学研究科 数理電子情報部門
／ 工学部 情報工学科 教授 博士（工学） 島村 徹也 氏
■略歴
1991年慶應義塾大学大学院理工学研究科博士後期課程電気工学専攻修了、工学博士。同年埼玉大学工学部助手。同大学助教授、准教授を経て、2007年より教授、現在に至る。この間、1995年ラフバラ大学（イギリス）客員研究員、1996年ベルファースト・クイーンズ大学（イギリス）客員研究員を経て、2007年および2008年埼玉大学情報メディア基盤センター長を務める。専門はディジタル信号処理とその音声、画像、通信への応用など。論文・著書多数。これまで20社を超える企業との共同研究を実施するなど、産学連携に力を入れている。2019年より「AI時代の画像処理技術研究会（埼玉大学産学官連携協議会）」の代表を務め、年に複数回の研究発表会を主導している。
■専門
ディジタル信号処理とその音声、画像、通信などへの応用
セミナー趣旨
画像処理アルゴリズムや画像生成AIの発展に伴い、画像品質を客観的に評価する技術の重要性が急速に高まっている。従来のPSNRやSSIMなどの評価指標に加え、近年では人間の視覚特性を考慮したNo-Reference Image Quality Assessment（NR-IQA）やDeep Learningを用いた画像品質評価技術が広く利用されるようになった。さらにDiffusion ModelやGANによる生成画像の品質評価、医療画像AIの性能評価など、新たな課題も生じている。
本講座では画像品質評価の基礎から最新研究動向までを体系的に解説し、実際の画像処理・AIシステム開発において適切な評価技術を選択・活用できる知識を習得する。
セミナー講演内容
第1部 画像品質評価の基礎
1.1 なぜ画像品質評価が必要なのか
・画像処理システム開発の流れ
・AI画像処理の普及
・評価技術の重要性
1.2 人間は画質をどう判断しているか
・Human Visual System
・知覚品質
・主観品質
1.3 主観評価法
・MOS
・DMOS
・評価実験の設計法
・評価データベース
第2部 従来型画像品質評価指標
2.1 Full Reference IQA
・MSE
・RMSE
・PSNR
2.2 構造類似性評価
・SSIM
・MS-SSIM
・IW-SSIM
2.3 特徴量ベース評価
・FSIM
・VIF
・GMSD
2.4 指標の長所と限界
・なぜPSNRだけでは不十分なのか
・実例比較
第3部 No-Reference Image Quality Assessment
3.1 NR-IQAとは
・参照画像不要評価
3.2 自然画像統計
・NSSモデル
・MSCN係数
3.3 代表的手法
・BRISQUE
・NIQE
・PIQE
3.4 実利用事例
・カメラ画質評価
・通信画像品質評価
第4部 Deep Learningによる画像品質評価
4.1 IQAとDeep Learning
4.2 CNNベースIQA
・DeepIQA
・NIMA
4.3 TransformerベースIQA
4.4 学習用データベース
・LIVE
・CSIQ
・TID2013
・KonIQ-10k
・PIPAL
4.5 最新研究動向
・Foundation Model活用
・Multimodal IQA
第5部 生成AI画像の品質評価
5.1 Diffusion Modelの発展
5.2 GANとDiffusion
5.3 従来IQAでは何が評価できないのか
5.4 生成画像評価指標
・FID
・IS
・CLIP Score
・PickScore
5.5 AI生成画像特有の問題
・Hallucination
・不自然構造
・偽物画像
第6部 最新トピックと今後の展望
6.1 医療画像AI評価
・Explainability
・信頼性評価
6.2 大規模視覚言語モデルと品質評価
6.3 Explainable IQA
6.4 研究室内での研究事例
・歪み分類
・Reliability-Aware Distortion Classification
・Explainable Quality Assessment
6.5 今後の研究テーマ
・Foundation ModelによるIQ
・Diffusion画像品質評価
・医療AI品質保証
・マルチモーダル品質評価
質疑応答
※詳細・お申込みは上記
「お申し込みはこちらから」（遷移先WEBサイト）よりご確認ください。
- サイト内検索
- ページカテゴリ一覧
- 新着ページ
-
- 9/30 AI画像処理・画像生成技術のための画像品質評価 (2026年08月06日)
- 9/28 【新 適合性書面調査チェックリスト：新旧の比較・解釈】信頼性基準適用試験の運用への落とし込みと(海外導入品など)日本申請時の信頼性保証 (2026年08月06日)
- 9/25 ニューラルネットワーク分子動力学法の基礎と応用Ai for Scienceを活用した材料設計 (2026年08月06日)
- 10/28 《製薬企業で成果を生み出す》マーケティング思考の本質理解と製品戦略・上市戦略の実践 (2026年08月06日)
- 9/17 【名古屋開催】塗工技術（スピン、バー、アプリケーター、スロットダイ、グラビア、コンマ、メニスカス方式）のツボとノウハウ (2026年08月05日)
- 9/16 電子ラボノート（ELN）やLIMSなどラボシステムにおけるCSVの最適化とデータインテグリティ対応 (2026年08月05日)
- 9/11 粉粒体の表面改質とコーティングの勘どころ (2026年08月05日)
- 9/11 高分子界面近傍における水の構造・ダイナミクスと評価方法・機能材料設計への応用 (2026年08月05日)
- 9/11 導電性接着剤の材料特性と設計・制御技術、および接続信頼性確保の要点 (2026年08月05日)
- 9/8 二酸化炭素を原料とする有用有機化合物製造技術の研究開発動向と展望 (2026年08月05日)
