FAQ

よくある質問

CC BY-NCとは？私はこの研究成果を使っていいの？

CC BY-NC （表示・非営利）は、出典を明記し、商用利用しない限り、 誰でも自由に使用・共有・発展させてよい、という意味です。非営利の 研究・教育目的であれば、許可を取る必要なく自由にお使いいただけます。 詳しくは利用規約を参照してください。

商用利用はできますか？

事前にご相談ください。商用利用には個別の許諾が必要です。これは、 研究成果が対価のないまま商業的に利用されることを防ぐための、 意図的な選択です。詳しくは活動内容・ 研究アプローチを、正確な適用範囲は 利用規約をご参照ください。

このコンテンツをAIの学習に使ってもいいですか？

非商用の研究目的であれば問題ありません——他の非商用利用と同様、 出典を明記すれば個別の許可は不要です。事前に ご連絡いただきたいのは、営利団体が自社の事業のために使う ケース全般です——外部に販売する製品・サービスに組み込む場合は もちろん、社内ツールや非公開の社内調査、業務改善など、純粋に 社内向けの利用であっても対象になります。CC BY-NCの「非商用」は、 その利用が商業的優位性に向けられているかどうかで判断され、結果を 販売・公開するかどうかは関係ありません。対価を含む利用条件に ついてご相談に応じます。正確な条件は利用規約 と各Zenodoレコードのライセンス情報をご参照ください。

引用するのに許可は必要ですか？

いいえ。通常の学術的な引用（出典を明記した上での引用）には、 個別の許可は必要ありません。むしろ積極的に引用していただきたいと 考えています。

ZenodoとDOIって何？

ZenodoはCERNが運営する、無料で恒久的な学術リポジトリです。 DOI（デジタルオブジェクト識別子）は、そこで公開されたものに 付与される恒久的な識別番号で、何年経っても確実に見つけ・ 引用できるようにする仕組みです。詳しくは 組織概要を参照してください。

SSIMって何？

SSIM（構造的類似性指標）は、2枚の画像がどれだけ似ているかを 測る、広く使われている指標です。AIモデルが元画像をどれだけ 忠実に復元・高解像度化できたかを評価するのによく使われます。 私たちの研究は、このSSIMのスコアがいつ信頼でき、いつ信頼 できないのかを正確に見極めることがテーマです。

comp_*特徴量って何？

復元画像から直接計算する8つの測定値（鮮明さ・エッジ・ コントラスト・質感・ノイズなど）で、SSIM単体では捉えきれない 品質の側面を診断します。完全な定義はDOI 1.8に、概要は 技術基盤ページに掲載しています。

DuckDBって何？

オープンソースの組み込み型分析用データベースです。「トランザクション 処理ではなく、大規模データの分析に特化したSQLite」のような ものだと考えてください。億単位の行を持つデータセットに対して、 実際のSQLクエリを通常のPC上で実行・画面録画できるのは、この DuckDBのおかげです。詳しくは技術基盤 ページを参照してください。

特定のAIモデルを推奨・ランキングしていますか？

いいえ。私たちの目的は、ある状況下でSSIMのような指標が信頼 できるかどうかを検証する手法を提供することです。何を「優れた モデル」とするかは用途や分野によって異なるため、その判断は 私たちではなく各分野の専門コミュニティに委ねるべきだと考えて います。公開しているモデル別の結果は、あくまで手法のデモンス トレーションです。

これは、過去のSSIMを使ったモデル比較の一部に誤りがあった可能性を意味しますか？

理論上はありえます。2つのモデルを平均SSIMで比較した際、一方の モデルの出力に、輝度・テクスチャがゼロに近い領域のブロックが たまたま多く含まれていた場合——この領域ではSSIM自体の各項が、 通常の明るさ・テクスチャの領域とは全く異なる振る舞いを示します ——実際の復元品質とは無関係に、その効果でスコアが押し下げられる （逆にマスキングの場合は押し上げられる）ことがあります。特定の 過去の比較で実際にそれが起きていたかどうかは、その比較で使われた データに対して同じ診断を改めて行わない限り断定できません。 具体的な実例はAbout pageに掲載しています。ただ、この可能性があること自体が、 平均SSIMという1つの数字を鵜呑みにするのではなく、ブロック単位の 内訳を確認できるようにしておく価値がある理由です。

結果は自分で検証できますか？

はい、それこそが目的です。データベース自体はファイルサイズが 大きいため公開していませんが、実際に使用したSQLクエリ、元データの ハッシュ値、そして（新しい報告書では）クエリが実際に実行される 様子を録画した動画を公開しており、これらで検証できます。 データベースを構築するパイプラインのコード（1画像単位の可視化 ツールheatmap_tool.pyを含む）は、実際に動作する 様子を録画した動画とともに、単体のレポート（DOI 1.19.1）として 全て公開しています——つまり私たちの結果を検証するだけでなく、 自分自身の画像データで同じ種類のデータベースを構築することも できます。 発行物一覧・ 技術基盤ページを参照してください。

DOI 1.20・1.20.1のGTなし分類器は、GTが一切不要になるという意味ですか？

いいえ——これはGTがいつ必要になるかの転換であって、GTが 不要になるという意味ではありません。それぞれの分類器が使う閾値 mu_stat・sigma_statは、モデル・ データセットの組み合わせごとにGTから一度だけ較正されるものです （過去のレポートで説明しているTwo-Segment Optimal Split法を 使用。今回の較正はNIH ChestX-ray8という特定のデータセットに 対して行ったもので、別のデータセットでも同じ値が使えるかは 未検証です）。その一度限りの較正さえ済んでいれば、同じデータ セット内で同じ閾値をその後のGTなしの復元結果に適用して、 Amplification-Phaseリスクの高いブロック （DOI 1.20）や Structural-Maskingリスクの高いブロック （DOI 1.20.1）を検出 できます——GTが必要な場面を「チェックする画像ごと」から「モデル・ データセットの組み合わせにつき一度」に減らすということです。また、 これは狭い範囲に限定された結果でもあります：この2つの軸にのみ 当てはまり、SSIM診断全般に当てはまるわけではありません。 平易な解説 、または2つのレポート本文で、適用範囲・留意点の詳細を確認して ください。

自分のAIモデルやデータセットでもこの手法を使えますか？

はい——それこそが、DOI 1.19.1を全て公開した大きな理由の一つです。 build_notta_tta_comp_db.pyは、私たちが使っている NIH ChestX-ray8データに限らず、任意のground truth／TTAなし復元 ／TTAあり復元の画像フォルダを受け付けるので、自分のモデルの出力 から同じ種類のデータベースを構築し、同じ種類のSQL調査を実行 できます。1つ注意点があります——heatmap_tool.py内 の一部の値（黄色の「拡張警戒ゾーン」に使うsigma_stat 閾値など）は、私たちの特定のデータセット・モデルについて実測 した値なので、そのまま自分のデータに適用すると、自分のデータに 合わない警戒ゾーンが表示されてしまいます。まず自分のデータに 対して、技術報告書で説明しているTwo-Segment Optimal Split法を 実行する必要があります。 初心者向け コード解説・技術基盤ページを 参照してください。

ハッシュ値って何？

ファイルの中身から計算される、短い固定長の「指紋」のような ものです（このサイトではSHA-256という方式を使っています）。 ファイルの中身が1ビットでも変われば、ハッシュ値は全く違う値に なります。技術報告書に記載したハッシュ値と、実際に使用した データファイルのハッシュ値を照らし合わせることで、「報告書で 説明されているのと同じファイルが、動画の中で実際に使われている」 ことを確認できます——ファイルの中身をすべて見比べなくても、 この短い値だけで一致を確認できるのが利点です。

なぜ技術報告書にSQL実行の動画がついているのですか？

SQLクエリと結果を文章で示すだけでなく、実際にローカルPC上で そのクエリが実行され、記載した通りの結果が出る様子をそのまま 録画しています。録画の冒頭でPCのシステム情報（OS・スペック など）を映すことで、捏造ではなく本物のPC上での実行であることを 示しています。詳しくは技術基盤 ページを参照してください。なお、クエリによっては実行に30分以上 かかることがあり、そうした場合は動画ではなく、実行結果の画像 （スクリーンショット）のみを掲載することがあります。

このサイトはクッキーを使っていますか？アクセス解析はしていますか？

同意をいただいた場合のみ使用します。Google Analytics（GA4）で サイトの利用状況を把握していますが、計測用スクリプトはクッキー バナーで同意いただいた後にのみ動作します——同意しない場合、 アクセス解析用のクッキーは一切設定されません。選択はフッターの 「クッキー設定」からいつでも変更できます。詳しくは プライバシーを参照してください。

サイトの説明でわかりにくい箇所があったら、改善をお願いできますか？

はい、ぜひご連絡ください。専門的な内容を扱っているため、説明が伝わりにくい箇所もあるかも しれません。「この用語の意味が難しい」「SQLの前提条件が分かりにくい」 「タイポを見つけた」など、どのような内容でも大歓迎です。 contact [at] merit-metrics [dot] org まで直接メールでご連絡ください。内容を確認し、必要に応じて説明を改善します。