視覚と自然言語の融合研究

摘要

視覚（もう少し具体的にいえば画像や動画など）を対象とした研究と,自然言語を対象とした研究は,それぞれComputer VisionおょびNatural Language Processingの領域において,お互い少しずっ影響し合いながら発展を遂げてきた.特に近年,深層学習の一種であるConvolutional Neural Network (CNN)やRecurrent Neural Network (RNN)といった共通の機械学習手法が台頭し,それぞれの領域ヘの参入障壁が低くなった.結果として,視覚と自然言語を融合する研究がさまざまな広がりを見せっっある（深層学習にょって,初めてこれらの研究が可能になった,というわけではないことに注意されたい）.このブックマ一クでは,画像と自然言語の融合という括りの中で,具体的に以下の研究分野を紹介する.