Murata Lab

動画認識モデルは、動画から人や物の行動を判定できる一方で、モデルが何を根拠に予測したのかを理解することは難しい。従来の説明手法では、動画の「いつ・どこが重要であったか」は示せても、そこで人や物がどのように変化したことが予測に影響したのかまでは十分に説明できない。本研究では、動画の各場面に写る人や物を追いながら、フレーム間で起きた変化に着目し、どのような動きがモデルの予測に寄与したのかを分析する。最終的には、単に重要な場所を示すだけでなく、「何が、どのように変化したことが予測の根拠となったのか」を説明できる手法の実現を目指す。