　MoFMEの開発においては、画像認識やセグメンテーションなどのタスクを1つのアンサンブルモデルで、実用的な計算量で処理するため、「特徴変調エキスパート（Feature Modulated Expert）」と「不確実性を考慮したルーター（Uncertainty-aware Router）」の2つの手法を新たに導入した。

　特徴変調エキスパートは、特定のエキスパートモデルの線形変調により、異なるエキスパートモデルのパラメーターを表現する。個々のエキスパートモデルのパラメーターを個別に学習する必要がないため、総パラメーター数や計算量を削減できる。

　不確実性を考慮したルーターは、入力画像の特徴に応じて各エキスパートモデルの寄与度を切り替えられる。天候除去結果の不確実性が高いモデルの寄与度を下げて、逆の場合は寄与度を上げるように最適化する。これによりアンサンブルモデルの信頼性を高めて、画像認識性能を向上した。

　MoFMEをデータセット「RainCityscapes」に対して用いたところ、雨と霧が混在するような複雑な画像に対しても、雨と霧の双方を除去して正解の画像と同レベルの結果が得られた。

　さらに、悪天候下ではセグメンテーションの精度が著しく低下するが、MoFMEによりあらかじめ悪天候除去を実施することで、セグメンテーションの精度低下を抑えられることを確認した。

MoFMEの悪天候除去結果とセグメンテーションタスクへの効果出所：パナソニックホールディングス

　今後、インフラやモビリティ用途など、屋外でも影響を受けにくい画像認識が必要なシーンでの採用が期待されるという。

⇒その他の「人工知能ニュース」の記事はこちら

AI活用で製品／技術の新規用途探索を高速化　日本ガイシが実証実験開始
日本ガイシとストックマークは、AIを活用し、自社製品や技術の新規用途探索を高精度かつ高速化するための実証実験を開始した。2024年内をめどに100個以上の事例を出力し、そこからより有望な新規用途の抽出を目指す。
リコーが130億パラメーターの日英対応LLM開発　AWSジャパンの支援プログラム活用
AWSジャパンは2024年1月31日、国内に拠点を持つ企業や団体を対象に、大規模言語モデル開発を支援する「AWS LLM 開発支援プログラム」の成果発表会を開催した。同プログラム参加者のうち、NTTとリコー、ストックマートが登壇し、成果を紹介した。3者の発表内容を順に紹介する。
生成AIの誤回答を9割削減、DNPがデータ整形技術を開発
大日本印刷（DNP）は、PDFやWordなどのさまざまな形式のドキュメントを、生成AIの学習に適した形式に整形する技術を開発した。同技術を使用した実証実験では、誤回答を約90％削減した。
生成AIの有効性を手軽に検証できるパッケージを提供　100万円以下で導入可能
日立システムズは、生成AIの有効性を手軽に検証できるパッケージ「おてがる生成AIパック」の提供を開始した。「Microsoft Azure」をシステム基盤とし、社内規定のサマリー化や顧客調査の分析などに活用できる。
Googleの新基盤モデル「Gemini」、AI統合プラットフォームで法人利用開始
　Google Cloudの日本法人であるグーグルクラウドジャパンは2023年12月14日、同社の新たな基盤モデル「Gemini」の話題を中心に、法人向けに提供する生成AI関連のサービスや機能を発表した。機械学習開発の統合プラットフォーム「Vertex AI」からGeminiにアクセス可能になる。
富士通、LLMを活用してAIモデル作成をさらに効率化する技術を開発
富士通は、同社のAIプラットフォームにおいて、ユーザーが自然言語で要件を入力するだけで、「AIイノベーションコンポーネント」を自動生成する技術を開発した。従来の20分の1の期間でAIモデルを生成できる。