本研究室M2の伊藤 隆人さんが以下の発表でIEEE SPS Tokyo Joint Chapter Student Awardを受賞しました。
伊藤 隆人，内藤 翼，安田 浩保，永原 正章，田中 雄一，村松 正吾， “有向グラフ動的モード分解による河道網水位分布予測の検討”, 第39回信号処理シンポジウム, 6 pages, 2024.
おめでとう！
IEICE Transactions on Fundamentals 論文掲載
以下の論文がIEICE Transactions on Fundamentals に掲載されました。
オープンアクセスです。
-
Ryuto ITO, Hiromu KANAUCHI, Tsubasa NAITO, Hiroyasu YASUDA, Masaaki NAGAHARA, Shogo MURAMATSU, “Sparse-Coded Time-Delay Graph DMD for Nonlinear State-Space Modeling on Graphs,” IEICE TRANSACTIONS on Fundamentals, Vol.0 No.0 pp.0-0, Advance Publication, 2025/12/12, DOI: 10.1587/10.1587/transfun.2025EAP1095
新研究科 の情報
令和８年４月開設の「総合学術研究科」修士課程について学生募集が開始されました。
- 令和8 年4 ⽉に現代社会⽂化研究科と⾃然科学研究科を統合し、⼈⽂社会科学専攻と⾃然科学専攻の2 専攻からなる「総合学術研究科」修⼠課程を設置します。
- 詳細は、本学HP「⼤学院：総合学術研究科（2026 年４⽉開設）」ページをご覧ください。
URL https://www.niigata-u.ac.jp/academics/graduate/sougou/ - 改組後の教育・研究体制については以下をご覧ください（５⽉開催の説明会資料）。
URL https://www.niigata-u.ac.jp/academics/graduate/sougou/seminar/
本研究室は以下の分野が対応します。
- MF02 システム創成科学プログラム 電子情報通信分野
- MC02 アニメ・映像資源科学プログラム 自然科学分野
科学研究経費補助金基盤研究（B）採択（分担）
- 基盤研究（B） 課題番号：
デジタル・アーカイブの活用及び画像識別AIの開発によるアニメ中間素材の文化解析研究
研究代表者：Kim JoonYang（新潟大学）
菊池久和教授を偲ぶ会のご案内
昨年夏にご逝去されました菊池久和教授のご功績を偲び、ご冥福をお祈りするため、下記のとおり偲ぶ会を執り行いますのでお知らせします。また、連絡の取れるご学友がいらっしゃる場合にはぜひその方にもお知らせくださいますようお願いします。
- 日時: 2025年6月28日（土曜日）
- 会場: 新潟大学駅南キャンパス「ときめいと」およびアートホテル新潟駅前「越後」
- 内容:
第1部: 追悼講演会（15:40～17:40）「ときめいと」にて
第2部: 追悼懇親会（18:00～20:00）「アートホテル新潟駅前 越後」にて - 会費:
第1部のみ4,000円（当日受付にて申し受けます）
第2部のみまたは両方 12,000円（当日受付にて申し受けます） - その他:
ご参加希望の方はURLをご覧になり，参加登録フォームからお申し込み下さい:
菊池久和教授を偲ぶ会実行委員会特設ページ
https://www.eng.niigata-u.ac.jp/~msiplab/klabforever/
詳細につきましては、特設ページに随時掲載してまいります。
実行委員会幹事
阿部淑人（電子昭和60年卒：新潟国際情報大学）
佐々木重信（現教員：新潟大学）
村松正吾（現教員：新潟大学）
学位申請公開論文発表会の開催について
APSIPA Transactions on Signal and Information Processing論文掲載
以下の論文がAPSIPA Transactions on Signal and Information Processing (Q2: Information Systems)に掲載されました。
オープンアクセスです。Q2ジャーナルです。
- Shu Abe, Yuya Kodama, Hiroyoshi Yamada, Shogo Muramatsu, “RTL Evaluation of ℓ2-Norm Approximation with Rotated ℓ1-Norm for 2-Tuple Arrays,” APSIPA Transactions on Signal and Information Processing,Vol. 14: No. 1, e3. http://dx.doi.org/10.1561/116.20240068, 30 Jan 2025
AuGFTのソースコード更新
Augmented Graph Fourier Transform (AuGFT) – File Exchange – MATLAB Central (mathworks.com) を更新しました。
新たにNumPy実装を追加しました。
TanSacNet Pre-release20250105 公開
接空間適応制御ネットワークの開発用に、TanSacNetプロジェクトを更新しました。
- 新しいPyTorch実装：PyTorchベースの2-D LSUNフレームワークを導入し、
orthonormalTransform.pyでのバッチ処理および低次元近似サンプルを含めました。PyTorchおよびCUDA環境での効率性を向上させるため、勾配計算と逐次行列処理を最適化しました。 - MATLABサポートの強化：MATLABワークフローの安定性とパフォーマンスを確保するため、データタイプとデバイス管理を改善しました。
- コードの改良と安定性：保守性を高めるためのコード構造の合理化と、両方のフレームワークにおける初期化とCPU処理の問題を改善しました。
このプレリリース版では、MATLABサポートの主な更新と全体的なコードの安定性とともに、新しいPyTorchの実装が反映されています。
APSIPA Transactions on Signal and Information Processing論文掲載
ITE Transactions on Media Technology and Applications論文掲載
以下の論文がITE Transactions on Media Technology and Applicationsに掲載されました。
- Jikai Li, Shogo Muramatsu, [Paper] Structured Deep Image Prior for Image Denoising with Interscale SURE-LET, ITE Transactions on Media Technology and Applications, 2025, Volume 13, Issue 1, Pages 187-199, Released on J-STAGE January 01, 2025, Online ISSN 2186-7364, https://doi.org/10.3169/mta.13.187, https://www.jstage.jst.go.jp/article/mta/13/1/13_187/_article/-char/en,
- Abstract:
This study develops a self-supervised image denoising technique that incorporates a structured deep image prior (DIP) approach with Stein’s unbiased risk estimator and linear expansion of thresholding (SURE-LET). Leveraging interscale and interchannel dependencies of images to develop a multichannel denoising approach. The original DIP, introduced by Ulyanov et al. in 2018, requires a random image as the input for restoration, offering an advantage of not requesting training data. However, the interpretability of the role of the network is limited, and challenges exist in customizing its architecture to incorporate domain knowledge. This work integrates SURE-LET with Monte Carlo computation into the DIP framework, providing the reason of the random image supply and shifting the focus from generator to restorer design, thus enabling the network structure of DIP to more easily reflect domain knowledge. The significance of the developed method is confirmed through denoising simulations using the Kodak image dataset.