ICIP2026現地参加報告

1. 第65回名古屋CV・PRML勉強会 ICIP2026参加報告会 名城大学 堀田研D1 光岡日菜子
2. 自己紹介  光岡日菜子 • 名城大学 堀田研究室D1 • 日本学術振興会 特別研究員(DC1) • 名古屋CV・PRML勉強会 幹事 • 視覚若手の会LENS 運営 研究内容 Semseg/ I2I/ Action Reognition @ramentabetai__1 @nagoyacv 趣味 ラーメン/ MT車 個人HP 名古屋CV LENS 2
3. ICIP2026に参加してきました  開催期間：2026/9/13〜17 Posterで１件発表しました 3
4. 所感：発表・会場の様子  会場の規模感は比較的コンパクト(トップカンファ比)だが 参加者は多かった印象  Oralの発表は複数会場で同時 →聞きたい発表同士が重なることも  Posterにはよく人が来てくれた 一人ひとりとしっかり話せた 4
5. ICIPとは？  IEEE International Conference on Image Processing • 画像処理分野における国際会議 • Google scholarでは16位 • 提出：5 page (+参考文献1page) • 〆切：2026/2/4 5
6. 発表までのスケジュール感 年度末頃にネタがあると出せそう • 投稿〆切：2/4 • 査読結果通知：4/7 反論期間がタイト＋字数制限あり • 反論〆切：4/13 • 最終結果通知：4/29 • 発表：9/13〜17 6
7. 統計情報  投稿・採択と発表形式 • 1706本の投稿に対し659本が採択（採択率38.6%） • Oral 147件, Poster 572件 7
8. 統計情報 採択論文の所属国別内訳 • 中国が最多, 米国が続く • 日本, インド, フランスなどからも採択 日本は４位！ 参加者にも日本人が多く 他校の学生や先生と 話す機会も多かった 8
9. 統計情報  ICIPで扱う分野の広さ • 狭い意味での“画像処理”の枠を超えている • CVからVLM・Multimodal AIまで扱う • 私は医用画像関連のセッションでSAM2のPEFTの研究を発表 9
10. 余談 • 投稿論文のうちjournal編集委員会が特に完成度・新規性を評価したもの →拡張版をIEEE TIP・TCIへ投稿すると迅速査読の対象になる • 卒業にjournalが必要な博士学生はありがたい…？ 10
11. Best Paper Fréchet Wavelet Style Distance: An Interpretable Image Style Similarity Metric • 描かれた物が違っても色使いや筆づかい(画風)が似ている画像はある →2枚の画像の画風の近さを学習なしで測る指標を提案 • 学習不要・高速(LPIPS(VGG)比80倍)＋どの成分が違うか分かる 11
12. Best Paper Fréchet Wavelet Style Distance: An Interpretable Image Style Similarity Metric • RGBの各チャネルをHaar Waveletで分解 →明るさと縦・横・斜め(a,h,v,d)の模様を取り出す • 3回繰り返して64種の成分画像を作り、それぞれの値の分布を計算 • 成分毎の分布の違いをFréchet距離で測る→合計がFWSD 64種 12
13. Best Paper Fréchet Wavelet Style Distance: An Interpretable Image Style Similarity Metric • 成分ごとの距離を並べるとどの成分で差が出たか分かる • 青： StylizedとContentの距離 • 橙： StylizedとStyleの距離 • ほぼすべての成分で橙＜青 →StylizedはContentよりStyleに近い 13
14. Best Student Paper When Simplicity Wins: Bottleneck-Aware Context Modeling for Lightweight Semantic Segmentation • 少ない計算量＋高精度なセグメンテーションモデルを提案 ① 複数解像度の特徴を小さな解像度にそろえて集約 ② CNNで局所情報, Transformerで広域情報を捉えて融合 ① ② 14
15. Best Student Paper When Simplicity Wins: Bottleneck-Aware Context Modeling for Lightweight Semantic Segmentation • 15ms/枚の推論時間でADE20k 35%を達成 • 競合するモデルと比較しても高効率 15
16. まとめ  感想など • 著名な企業/著者の方と直接話せる貴重な機会 • 様々な方が自分のポスターを見に来てくれたり意見をくれたり, 国内の学会ではなかった視点の質問がもらえたりする • ポスター発表はアイデアを大量にインプットでき有益 16
17. 補足資料
18. FWSD Ablation 18
19. SiConMo Ablation 19
20. SiConMo Ablation 20