李睿杰さん、卒業おめでとうございます！

李睿杰さんは上海大学を卒業し、2023年9月から上海大学計算機工程与科学学院で修士課程に進学しました。研究グループに参加後、韓越興先生の指導のもと、形状空間理論や特徴拡張などの関連技術と応用について学びました。韓先生の丁寧なご指導のもと、以下の研究を完成させました：

1. 既存の測地線特徴拡張手法における反復探索型最適化の効果が不十分で効率も低いという課題に対し、形状空間理論に基づく適応的測地線特徴拡張手法を提案しました。この手法は、従来のユークリッド空間における線形補間では特徴の非線形幾何構造を十分に表現できないというボトルネックを克服し、高品質な特徴を生成することを目的としています。主な流れは、まずサンプルの深層特徴をプレシェイプ空間に射影し、適応的測地線をフィッティングして非線形特徴拡張を行います。次に、サンプル類似性損失と分布差異損失を融合した結合損失関数を再設計し、測地線の形状を制約します。最後に、大量の点サンプリングと測地距離計算の代わりに勾配降下法を用いて最適化を行います。実験により、既存手法と比較して、本手法は CIFAR-10@5 などの少数ショットデータセットにおいて拡張サンプルの品質と下流分類精度を大幅に向上させ、実行時間とエネルギー消費を効果的に削減し、データ制限タスクにおける可能性を示しました。

2. 単一サンプルなどの極端な場面において、サンプル不足により測地線のフィッティングが困難になる課題に対し、拡張可能な測地線特徴拡張フレームワークを提案しました。このフレームワークは、適応的測地線特徴拡張手法を単一サンプルから大規模データまでのさまざまな場面に拡張し、計算効率と拡張性能を両立させることを目的としています。具体的には、画像拡張に基づく特徴拡充をプレシェイプ空間の特徴拡張プロセスに導入し、極端な場面における特徴不足を緩和します。また、小バッチ勾配降下法を組み合わせて大規模データを処理し、サンプル由来に基づく重み付け機構を用いて元の特徴と拡充特徴の寄与を調整します。実験により、このフレームワークはバックボーンネットワークを再学習することなくマルチスケール特徴拡張を実現でき、拡張特徴を生成する際に、比較手法よりも元サンプルの分布構造と判別能力をよりよく維持できることが示されました。

卒業後、李睿杰さんは EA CHINA に入社する予定です。上海大学での3年間を振り返ると、彼は熱心に学び、真摯に研究に取り組み、専門能力を継続的に高めるとともに、多くの恩師や友人との深い絆を築きました。李睿杰さんがこの収穫と経験を胸に、これからの道で初心を忘れず、努力を重ね、波に乗って進み、輝かしい未来を切り開くことを願っています。

論文リンク：基于形状空间理论的特征增强方法研究

コードリンク：https://github.com/han-yuexing/2026-thesis-lrj-code