研究業績

査読付き論文誌 (Journal)

2026

1. Journal

   オートエンコーダを用いた人口異常検知による避難所開設状況把握の能登半島地震での評価

   落合 桂一, 寺田 雅之, and 花島 誠人

   情報処理学会論文誌, Feb 2026

   Abs DOI

   大規模な地震が発生した際に，指定避難所以外の場所に避難する人数を把握することで行政の支援が届けられるなど活用が見込まれる．筆者らはこれまで携帯電話の運用データに基づく人口データに対してオートエンコーダを適用することで指定外避難所を検知する手法を提案している．しかしながら，これまで検証していた大規模地震の事例は，年末年始などのもともとの人口変動がイレギュラーな時期ではなかった．そのため能登半島地震のように人口変動が平常時ともともと異なる時期での有用性が明らかではなかった．そこで本論文では，能登半島地震を対象にオートエンコーダにより指定外避難所検知の性能を評価する．, In a situation of large-scale earthquake, while people are generally expected to evacuate to shelters officially designated by local governments, a portion of the population may instead seek refuge in non-designated facilities, referred to as non-designated evacuation shelters. For effective distribution of relief supplies and the provision of administrative support, it is essential for local and municipal governments to accurately identify such evacuation behaviors. To this end, we proposed a method to detect non-designated evacuation shelters from real-time population dynamics using autoencoder-based anomaly detection. However, prior evaluations were conducted during periods with relatively stable population patterns, such as non-holiday seasons. As a result, the effectiveness of the method during irregular periods such as the New Year holidays remained unclear. In this paper, we evaluate the effectiveness of the method in the context of the 2024 Noto Peninsula Earthquake, a case characterized by atypical population fluctuations.

2. Journal

   Wald-Difference-in-Differences Estimation without Individual-level Treatment Data

   Takumi Hattori, Kohsuke Kubota, and Keiichi Ochiai

   Journal of Information Processing, Feb 2026

   DOI
3. Journal

   サマリレベルでの画像の利用法を用いたマルチモーダル翻訳手法の提案

   冨山 翔司, 味曽野 雅史, 鈴木 雅大, 落合 桂一, 岩澤 有祐, and 松尾 豊

   知能と情報, Feb 2026

   DOI

2025

1. Journal

   大規模画像言語モデルにおける事実性バイアスの体系的な分析

   冨山 翔司, 山下 佳威, 鈴木 雅大, 落合 桂一, and 松尾 豊

   情報処理学会論文誌, Dec 2025

   Abs DOI

   本論文では，大規模視覚言語モデル（LVLM）が，“既存の事実を想起させるがその事実とは異なるような画像”に対して質問応答をするときに誤りが起こりやすいという，「事実性バイアス」に着目し，その体系的評価を目的としてFactual Bias Decomposition Dataset（FBDD）を提案する．FBDDは，色認識・記号認識・図形認識の3カテゴリを含み，それぞれでコアタスク（基礎的な性能を評価），ランダマイズタスク（ある画像の操作に対する汎化性能を評価），疑似事実タスク（既存知識を想起させるような操作に対する性能を評価）からなるタスクセットを定義する．また，モデルの既存知識の利用度合いを調整するプロンプトも備える．本データセットを用いてGPT-4など複数の最先端LVLMを評価した結果，既存知識が想起されることによる性能劣化が確かに存在すること，いくつかのLVLMでは基礎的な性能が低いこと，また，基礎的な性能の低さと事実性バイアスの生じやすさに相関があることが分かった．また，プロンプトは事実性バイアスの軽減に寄与するものの，その効果は限定的であることも確認された．本論文は，これらの知見をふまえ，事実性バイアスの解消に向けたLVLMの開発の方向性を示す．, In this paper, we focus on “factual bias,” where Large Visual Language Models (LVLMs) produce errors by relying on existing knowledge similar to but different from the content of an image. To address this issue, we propose the Factual Bias Decomposition Dataset (FBDD), which systematically evaluates LVLM performance. FBDD covers three categories-color, symbol, and shape recognition-and defines core tasks (evaluating fundamental visual analysis performance), randomized tasks (evaluating generalization to image manipulations), and pseudo-fact tasks (evaluating performance under knowledge-inducing image manipulation). It also includes prompts that control how much existing knowledge is utilized. By using FBDD to assess several state-of-the-art LVLMs, including GPT-4, we show that factual bias can be evaluated separately from a model’s basic image-analysis capabilities. We also find that some LVLMs have weak fundamental visual skills, which correlates with a higher likelihood of factual bias occurance. Although prompts help mitigate factual bias to some extent, their impact remains limited. Building on these findings, this paper outlines directions for developing LVLMs that can overcome factual bias.

2. Journal

   手書き漢字の埋め込み表現による反復学習頻度最適化のための半減期予測

   小川 竜欣, 河野 慎, 謝 志杰, 岸 尚希, and 落合 桂一

   情報処理学会論文誌, Sep 2025

   Abs DOI

   文字を学習するためには，何度も手書きで練習すること，テストをすることが重要である．しかし，過剰な反復を課すことは，学習者のモチベーションを低下させてしまう可能性がある．そこで先行研究では，より良いタイミングで学習者に問題を出すため，半減期回帰モデルという，前回の回答から予測正解率が半分になるまでの経過時間である「半減期」を予測するモデルを使用している．表語文字を対象にした場合，半減期回帰モデルには2つの課題がある．1つ目は，線形モデルであるために表現力が低いこと，2つ目は，文字の形に関する情報を入力にしていないことである．我々は，これらの問題に対して，VAEを用いて文字の形に関する情報を使い，それを入力に含めた深層学習を使うことで表現力を高める手法を提案する．ログデータを用いた実験の結果，予測誤差が従来のモデルに比べて約25%減少し，真の半減期と予測半減期の相関は約0.47となり，提案手法の有効性が確かめられた．, In order to learn characters, repeated handwriting practice and testing are important. However, excessive repetition can lower student motivation. Previous studies have used the half-life regression model, which predicts the “half-life”－the time until predicted accuracy halves－to present problems at optimal times. When applied to logographic characters, this model faces two issues: limited expressive power as a linear model and the lack of input regarding character shapes. To address these, we propose a deep learning approach using a Variational Autoencoder (VAE) to incorporate character shape information. Experiments using log data showed a 25% reduction in prediction error compared to the conventional model, with a correlation of 0.47 between the true and predicted half-life, confirming the method’s effectiveness.

3. Journal

   Bayesian time-varying meta-analysis via hierarchical mean-variance random-effects models

   Kohsuke Kubota, Shonosuke Sugasawa, Keiichi Ochiai, and Takahiro Hoshino

   Japanese Journal of Statistics and Data Science, Jul 2025

   DOI
4. Journal

   Causal effect of lottery promotions on post-win payments: Evidence from a large field experiment

   Kohsuke Kubota, Keiichi Ochiai, and Takahiro Hoshino

   Innovative Marketing, Jun 2025

   DOI HTML
5. Journal

   Bicode：イベントカメラのためのハイブリッド点滅マーカーシステムの提案と評価

   北出 卓也, 山田 渉, 落合 桂一, and 今井 倫太

   情報処理学会論文誌, Jun 2025

   DOI

2024

1. Journal

   Detection of Non-Designated Evacuation Shelters from Real-Time Population Dynamics Using Autoencoder-Based Anomaly Detection

   Keiichi Ochiai, Masayuki Terada, Makoto Hanashima, Hiroaki Sano, and Yuichiro Usuda

   ACM Transaction on Spatial Algorithms and Systems, Oct 2024

   Abs DOI

   In a disaster situation, local and municipal governments need to distribute relief supplies and provide administrative support to evacuees.Although people are supposed to evacuate to evacuation shelters designated by local governments, some people take refuge at non-designated facilities, called non-designated evacuation shelters, due to unavoidable circumstances such as damage on the access routes to designated evacuation shelters. Upon occurrence of a disaster, therefore, it is necessary for the local governments to quickly find the locations of non-designated evacuation shelters. In this article, we propose a method to detect non-designated evacuation shelters based on autoencoder (AE)-based anomaly detection using real-time population dynamics generated from operation data of cellular phone networks. We assume that reconstruction errors of an AE model include both the errors due to characteristic differences between locations and the errors due to anomalies in population dynamics. Thus, we propose to use the ratio of the reconstruction error before and after the earthquake to determine the threshold of anomaly detection. We evaluate the performance of the proposed method on data from three actual earthquakes in Japan. The evaluation results show that our reconstruction error based approach can achieve better accuracy for the actual disaster data compared to a baseline method that exploits statistical anomaly detection.

国際会議 (International Conference)

2025

1. International

   From Trajectories to Semantic Mobility: Context-Aware Embedding for Route Recommendation

   Ryuichi Sudo, Keichii Ochai, and Hiroyuki Toda

   In Proceedings of the 1st ACM SIGSPATIAL International Workshop on Urban Mobility Foundation Models, , 2025

   Abs DOI

   Understanding the semantic context of human mobility requires more than just plotting their GPS traces. It demands trajectory representations that capture attributes and user preferences of each location. We propose a Transformer-based trajectory representation model that encodes each location based on related geographical entities and individual mobility features.

2. International

   Trajectory Prediction Using Spatiotemporal BERT Leveraging Collective Trajectories

   Keiichi Ochiai

   In Proceedings of the 33rd ACM International Conference on Advances in Geographic Information Systems, The Graduate Hotel Minneapolis, Minneapolis, MN, USA, 2025

   Abs DOI

   Human mobility prediction is a crucial research topic with wide-ranging applications, from urban planning to infectious disease forecasting. While the proliferation of GPS-enabled devices has made large-scale trajectory data available, a lack of standardized open-source datasets has hindered fair comparisons. Recent winning solutions in Human Mobility Prediction Challenges have often leveraged powerful models like BERT and GPT, but these approaches primarily focus on predicting individual movements, often neglecting the broader context of collective human flow.To address this limitation, we introduce an approach that leverages aggregated trajectories as a constraint to enhance individual trajectory prediction. Our solution is comprised of two key components: (1) a loss function that incorporates the geographical distribution of the aggregated trajectories, and (2) two additional features — the coordinates of the most populous location and a flag indicating the final record of the day. we confirmed that each of these components is effective in improving the GEO-BLEU score. Our final solution ranked 10th-place in the GISCUP competition 2025.

3. International

   Estimation of Single and Synergistic Treatment Effects under Multiple Treatments with Deep Neural Networks

   Yuki Murakami, Kohsuke Kubota, Takumi Hattori, and Keiichi Ochiai

   In KDD 2025 3rd Workshop on Causal Inference and Machine Learning in Practice, 2025

   HTML

招待講演

2025

1. InvitedTalk

   リアルタイム人口データの災害対応への活用に向けて

   落合 桂一

   In CSISシンポジウム「AI時代の空間情報科学：都市・環境・生物への理解と発展を支える空間情報技術の最前線」, May 2025

国内研究会

2026

1. Domestic

   Diffusionモデル内にキャラクター情報の制約を追加したアニメ画像生成モデルの構築

   木畑 光貴, 落合 桂一, and 戸田 浩之

   In 第18回データ工学と情報マネジメントに関するフォーラム（DEIM 2026）, Mar 2026

   HTML
2. Domestic

   速度場を通じた物理的整合性の取れた群衆流動予測

   川端 智紀, 落合 桂一, and 戸田 浩之

   In 第18回データ工学と情報マネジメントに関するフォーラム（DEIM 2026）, Mar 2026

   HTML
3. Domestic

   レビューテキストの観点情報に基づく残差補正型推薦手法

   栗巣野 陽太, 落合 桂一, and 戸田 浩之

   In 第18回データ工学と情報マネジメントに関するフォーラム（DEIM 2026）, Mar 2026

   HTML
4. Domestic

   アウトライン生成と評価・修正に基づく二段階スライド生成フレームワーク

   會田 光, 落合 桂一, and 戸田 浩之

   In 第18回データ工学と情報マネジメントに関するフォーラム（DEIM 2026）, Mar 2026

   HTML
5. Domestic

   移動軌跡を活用した観光客の移動特性の理解とそれに基づく経路推薦手法の提案

   須藤 龍一, 落合 桂一, and 戸田 浩之

   In 第18回データ工学と情報マネジメントに関するフォーラム（DEIM 2026）, Mar 2026

   HTML
6. Domestic

   傷病程度を考慮した救急隊配車方式の最適化

   髙橋 哲朗, 落合 桂一, and 戸田 浩之

   In 第18回データ工学と情報マネジメントに関するフォーラム（DEIM 2026）, Mar 2026

   HTML
7. Domestic

   文化に適応した文書生成を行うためのプロンプト最適化

   宮本 璃々子, 落合 桂一, and 戸田 浩之

   In 第18回データ工学と情報マネジメントに関するフォーラム（DEIM 2026）, Mar 2026

   HTML

2025

1. Domestic

   安全な組織間データ連携による垂直連合学習

   落合 桂一 and 寺田 雅之

   In 第17回データ工学と情報マネジメントに関するフォーラム（DEIM 2025）, Mar 2025

   HTML