AI Lab、コンピュータ・ビジョン分野のトップカンファレンス「ECCV 2026」にて2本の論文が採択

■背景

近年、生成AIやコンピュータ・ビジョン技術の進展により、画像・動画の生成や3D再構成などの実用化が進み、広告などのクリエイティブ制作をはじめとする幅広い領域で活用が広がっています。こうした活用の拡大に伴い、生成物の品質や制御性、処理の精度・安定性を高める基盤技術の重要性も増しています。

「AI Lab」ではマーケティング全般に関わる幅広いAI技術を研究・開発しており、大学・学術機関との産学連携を強化しながら様々な技術課題に取り組んでいます。なかでもクリエイティブ領域における研究チームでは、当社が提供する「極シリーズ」をはじめとしたクリエイティブ表現全般に関わるグラフィックデザインの制作支援や自動生成技術を研究するとともに、メディア理解の基盤となる評価指標やモデルの分析方法の開発も行うなど、応用研究だけでなく基礎研究にも注力をしています。
 

■論文の概要

「CSS-BA: Gate Guided Column Space Search for Bundle Adjustment」
著者：金田綾乃（早稲田大学）、武富貴史（サイバーエージェント AI Lab）、山口周悟（早稲田大学）、森島繁生（早稲田大学）
 

撮影画像から3D空間の情報を復元するStructure-from-Motion技術において、最終的な幾何精度を高めるために不可欠な技術として「バンドル調整」と呼ばれる最適化手法があります。これまでバンドル調整では、大規模化や高速化に向けた改良が多く行われてきました。 一方で、視差が少ない場合やカメラが回転のみを行うような特定の状況では、広く用いられるLevenberg–Marquardt法の更新が不安定になり、最適化に失敗するという課題がありました。  本研究では、従来のバンドル調整の目的関数や最適化の枠組みを保ちつつ、カメラや3D点のデータを削除することなく、各反復での更新方向のみを幾何的に信頼できる低次元の部分空間へ制限する新手法「Gate-Guided CSS-BA」を提案しました。 既存の3D再構成システムに組み込みやすい本手法により、計算を安定化し、低視差・準純回転のような難しい条件でも、より高精度なカメラ姿勢推定と信頼性の高い3D再構成を実現できることを確認しました。

「Be Tangential to Manifold: Discovering Riemannian Metric for Diffusion Models」
著者：齋藤慎之介（北海道大学）、松原崇（サイバーエージェント AI Lab・北海道大学）
 

深層生成モデルとして強力な拡散モデルには、低次元の意味空間が存在せず画像の自然な補間や制御が困難であるという課題がありました。 本研究では、スコア関数のヤコビアンというモデルの内部出力の変化を測れる要素を利用することで、追加の学習を必要とせずにデータ空間でそのままデータ構造に沿った幾何学的な距離を測れる「リーマン計量」を構築する新たな手法を提案しました。 本手法を適用することで、人間の目から見て従来よりも画像や動画フレームの補間が自然で滑らかになるだけでなく、テキスト指示に基づく画像生成においても指示内容との整合性を保ちながら多様性や品質を向上させることが確認されました。

 

■今後

これらの研究の成果は、生成AI分野における研究開発の基礎技術になるとともに、広告制作を支援する「極シリーズ」や「AIタレント」に加え、企業における多様なクリエイティブ制作を効率化する「AIクリエイティブBPO」など、当社が展開するサービスへの活用が期待されます。「AI Lab」は今後もAI技術をプロダクトに取り入れ、より品質の高い広告制作の実現を目指し、研究・開発に努めてまいります。


※1　クロスアポイントメント制度 
※2  「CVPR」The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026
※3 「ICCV」International Conference on Computer Vision,2025