深層学習は、物体認識・識別のみならず、様々な画素レベルの認識処理に必要不可欠となってきている。一方、高い精度が得られる学習データを揃えるためには、非常の多くの労力が必要となるため、ネットワークモデルの最適化ではなく、学習データに着目したデータセントリックAIが強く求められている。本提案では、影除去、ハイライト除去等様々な画素レベルの認識処理を対象にデータセントリックAIの検討を行った。具体的には、少ないデータセットで効率的な学習を可能とするFew-shot learning、学習データを様々に変換し水増しさせるData augmentation、学習に悪影響を与えるデータセットを排除するDataset pruningを用い、自動で最適なデータセットを得るための評価メジャーとそれを用いたアルゴリズムを考案した。さらにそれらに関連する取り組みとして、特徴抽出、３D情報取得、スポーツ解析など幅広い取り組みを行った。

　本研究に関連する成果として、IF18.6という極めてインパクトの高い論文誌であるIEEE Trans. on Pattern Analysis and Machine Intelligenceを含む、４件の原著学術論文に採択された。また国際会議としては、IEEE International Conference on Multimedia & Expo (ICME 2025) やThe 8th Chinese Conference on Pattern Recognition and Computer Vision (PRCV2025)など１０件発表した。