HiroakiTakahara
JapanJAIST22
M2|2025 – 27
Nomi ›My time--:--
JST--:--
Nomi ›
JapanJAIST22Japan
大阪出身。北陸先端科学技術大学院大学 (JAIST) の修士課程で、解釈可能なパーソナライズド画像美的評価 (personalized image aesthetic assessment; PIAA) を研究しています。何が良い写真かは人によって違う。だから点数を返すだけでなく、なぜあなたにとって良いのかまで説明できる AI を作ろうとしています。
出発点は学部の IoT コースで、センサやマイコンを使った組み込み開発をやっていました。そこからユーザが直接触れる UI/UX に興味が移り、web アプリやネイティブアプリへ。いまはアプリケーションを軸に、インフラや DB まで一人で組める範囲を広げています。
研究はほぼ未経験から始めました。入学直後から博士課程の先輩と組み、1 年ほどで 129 名分のクロスドメイン美的評価データセットを構築して arXiv プレプリント (第 2 著者) として公開。別テーマの AI コードレビュー研究では、筆頭著者として国内研究会 (JSAI SIG-AGI) で発表しました。
並行して、スタートアップでソフトウェアエンジニアとして働いていました。技術選定からアーキテクチャ設計、実装、運用まで一人で持つことが多く、2026 年 9 月に退職してからはフリーランスとして業務委託を受けています。研究用のツールも全部自作するので、開発で覚えた手法がそのまま研究に流れ込みます。
最近は AI エージェントの運用に凝っています。複数エージェントのオーケストレーションや、手順を skill として覚えさせる仕組みを試しながら、研究も受託の開発も、日常の作業までまとめて任せられる形に整えているところです。
明日サボるために、今日全力で構造化・自動化するタイプ。一度きりの作業もすぐ仕組みに変えて、自分も周りも楽になる状態を作るのが好きです。
エンジニアリングに寄せた詳細 (スキルの内訳や各プロダクトの中身) は、もう一つのポートフォリオ hiroaki222.com にまとめています。
Born in Osaka. I'm a master's student at JAIST, researching interpretable personalized image aesthetic assessment (PIAA). What counts as a good photo differs from person to person, so I'm building AI that does more than return a score: it explains why an image works for you.
I started out in an undergraduate IoT track, building embedded systems with sensors and microcontrollers. My interest shifted to the UI/UX that users actually touch, then to web and native apps. These days I keep widening what I can build alone, from the application core down to infrastructure and databases.
Research was new territory. Teaming up with a senior PhD student right after enrollment, I built a cross-domain aesthetic dataset rated by 129 participants within about a year and published it as an arXiv preprint (second author). On a separate line of work, comparing orchestration strategies for AI code review, I presented as first author at a domestic workshop (JSAI SIG-AGI).
In parallel I worked as a software engineer at a startup, often owning everything from technology selection and architecture to implementation and operations. Since September 2026 I have been working as a freelance software engineer on contract projects. I also build all my own research tooling, so what I learn in development flows straight into my research.
Lately I'm deep into AI agents: orchestrating several of them and teaching them my workflows as reusable skills, so that research, client work, and even daily chores can be delegated.
I work flat-out today on structure and automation so that tomorrow can be lazy: turning one-off tasks into systems that make things easier for me and everyone around me.
For the engineering side (a full skill breakdown and each product in detail), see my other portfolio: hiroaki222.com.
Laziness: the quality that makes you go to great effort to reduce overall energy expenditure.
Laziness: the quality that makes you go to great effort to reduce overall energy expenditure.
建設会社の日報をスプレッドシートから置き換える業務システム。電波の届かない現場でも入力でき、2024 年から建設業も対象になった時間外労働の上限を、2〜6 か月平均の 5 通りすべてを計算して超える前に知らせる。
A line-of-business system that replaces a construction company's spreadsheet-based daily reports. It keeps working on sites with no signal, and warns before overtime breaches the statutory caps that reached the industry in 2024, evaluating all five of the two- to six-month rolling averages rather than the six-month one alone.
研究の人手評価を Prolific の参加者に配信する実験基盤を単独で設計・実装。2 データセット × 2 タスクの 4 スタディを 1 つの Worker で並行運用し、評価セットをスタディ横断で 1 人 1 セットに排他割り当てする。中断からの再開、本番と見分けのつかない注意チェック、収集状況を見る管理ダッシュボードまで備える。
An experiment platform that serves a research human evaluation to Prolific participants, designed and built solo. One Worker runs four studies (two datasets × two tasks) side by side and assigns each participant exactly one evaluation set, exclusive across all four studies. It handles resuming interrupted sessions, attention checks indistinguishable from real trials, and an admin dashboard for watching the data come in.
AI コードレビューの構成を比較するためのベンチマーク基盤。bug-fix コミットを逆適用して欠陥入りのコードを合成し、マルチベンダ (Anthropic / OpenAI / Google) のモデルを同じ条件で回して、コストと検出性能を測る。SIG-AGI 第 33 回研究会の論文 (Publications 参照) はこの基盤で得た結果。
The benchmark harness behind the SIG-AGI paper (see Publications). It synthesises defective code by inverting bug-fix commits, runs models from Anthropic, OpenAI, and Google under identical conditions, and measures what each orchestration shape costs and finds.
USB に入れた曲が現場の機材で鳴るかを出発前に判定し、鳴らないものだけ変換する DJ 向けツール。Pioneer DJ / AlphaTheta 10 機種の取扱説明書から起こした対応表で照合する。CLI と GUI は同じコアを共有。
A DJ tool that tells you before you leave whether the tracks on your USB stick will play on booth gear, and converts only the ones that will not. Compatibility is checked against a table transcribed from the manuals of ten Pioneer DJ and AlphaTheta players. The CLI and the GUI share one core.
日本語の会議録音から、話者付きの文字起こしと議事録を作る CLI。音声も文字起こしも要約も手元のマシンから出ない。20 分の会議を 30 秒ほどで処理する。
A command-line tool that turns a recording of a Japanese meeting into a speaker-attributed transcript and minutes. No audio, transcript, or summary ever leaves the machine. Twenty minutes of meeting takes about thirty seconds.
長い文章を一目で読める大きさに区切り、1 枚ずつ表示する読書ツール。行を左から右へ追う代わりに、視線を一箇所に置いたまま、文単位で戻りながら読み進められる。
A reading tool that cuts long text into pieces small enough to take in at a glance and shows them one at a time, so the eye stays in one place instead of travelling along a line, with sentence-level jumps for looking back.
修士研究のテーマは 解釈可能なパーソナライズド画像美的評価 (interpretable personalized image aesthetic assessment; PIAA)。「良い写真」の基準は人によって違うのに、既存の美的評価 AI は点数を返すだけで理由を語りません。一人ひとりの好みに合わせて、なぜその評価になったのかを人が読める形で説明できるモデルを作っています。目指している使い道は、連写やよく似た写真の山からあなたの好みでベストの 1 枚を理由つきで選ぶ写真整理です。
ベースにした美的評価モデル PPA (CVPR 2026) は、論文だけを頼りに一から再現して原論文水準の精度 (SRCC 0.917) を出せています。研究の土台になるデータセット XPASS-Vis (美術・ファッション・風景の 3 ドメイン) の構築にも第 2 著者として関わりました。データ収集用のアノテーション基盤は自分で作ったものです (Projects 参照)。
研究のもう一つの軸は、AI コードレビューの組み立て方です。エージェントを何体使い、どう並べ、何回まわすかで、かかる費用も見つかる欠陥の数も変わります。そこを勘で決めずに済むよう、モデルと構成を総当たりで実測してコストと検出性能のパレート境界を引きました。廉価なモデルを複数回まわす構成のほうが、上位価格帯のモデルを一度まわすより多くの欠陥を見つけます。この成果は JSAI SIG-AGI 第 33 回研究会で筆頭著者として発表しました。
My master's research is on interpretable personalized image aesthetic assessment (PIAA). What makes a photo good differs from person to person, yet existing aesthetic-assessment models only return a score without explaining why. I am building models that adapt to each individual's taste and explain the reasoning behind each assessment in a human-readable form. The use case I have in mind is photo triage: picking the best shot from a pile of near-duplicates, with reasons, according to your taste.
As groundwork, I reproduced PPA (CVPR 2026), the aesthetic model my work builds on, from the paper alone and matched its reported accuracy (SRCC 0.917). I was also second author on XPASS-Vis, a cross-domain PIAA dataset spanning art, fashion, and scenery, and the annotation platform used to collect it is something I built myself (see Projects).
A second line of work asks how an AI code review should be put together. The number of agents, the way they are arranged, and how many times they are run all change both the bill and the number of defects found, so instead of guessing I measured models and configurations exhaustively and drew the cost-versus-detection Pareto front. Running a cheap model several times finds more defects than running a premium one once. This was presented as first author at the 33rd JSAI SIG-AGI meeting.
JSAI SIG-AGI 第 33 回研究会 (SIG-AGI-033-07、筆頭著者)。AI コードレビューのオーケストレーション構成を 12 モデル × 4 構成で比較し、コストと欠陥検出性能のパレート分析を報告。廉価モデルの反復実行が、上位価格帯モデルの単発実行を上回ることを示した。同じ内容を東京大学 松尾・岩澤研究室と千葉工業大学 AGI 研究センターでも発表。
JSAI SIG-AGI 33rd meeting (SIG-AGI-033-07, first author). Compares orchestration configurations for AI code review across 12 models and 4 configurations, and reports a cost-versus-defect-detection Pareto analysis showing that repeated runs of a cheap model outperform premium models run once. The same work was also presented at the Matsuo-Iwasawa Lab (University of Tokyo) and the AGI Research Center (Chiba Institute of Technology).
arXiv プレプリント (第 2 著者)。美術・ファッション・風景の 3 ドメインにわたり 129 名が 6,526 刺激を評価した、初のクロスドメインパーソナライズド画像美的評価 (PIAA) データセット。総合評価と 9 種の美的感情、計 87,836 件の評価を収録。
arXiv preprint (second author). The first cross-domain personalized image aesthetic assessment (PIAA) dataset — 129 raters, 6,526 stimuli across art, fashion, and scenery, totaling 87,836 interactions with overall scores and nine aesthetic emotions.
HCG シンポジウム 2025 (共著)。XPASS-Vis の元となったクロスドメイン美的評価データの収集設計と分析を報告。
HCG Symposium 2025 (co-author). Reports the collection design and analysis of the cross-domain aesthetic assessment data that became XPASS-Vis.
JapanDesign inspired by formula1.com. Not affiliated with Formula 1 or FOM.
© 2026 Hiroaki Takahara. All rights reserved.