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, 解釈可能な個人化画像美的評価 (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. 次は筆頭著者として国際会議へ.
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す. 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, 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, 研究もベンチャーの開発も, 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). Next up: an international conference paper as first author.
In parallel I work as a software engineer at a startup, often owning everything from technology selection and architecture to implementation and operations. 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, startup 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.
JSAI SIG-AGI 第 33 回研究会 (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 (単一 / 観点別並列 / 反証型 / 反復実行集約) を 12 モデル × 4 構成 × 30 項目 = 1440 combos で実測し，コスト-性能のパレート分析を報告. GPT-5 mini + Multi-run が F2=0.826 で最良となり，廉価モデル + Multi-run が上位価格帯モデルを上回ることを実証. Anthropic / OpenAI / Google 対応の LLM ハーネスと bug-fix コミット逆適用によるベンチマーク合成手法を同梱.
JSAI SIG-AGI 33rd meeting (first author). Cost-vs-performance Pareto analysis of AI code review orchestration configurations (single, parallel-aspect, adversarial, multi-run aggregation) across 12 models × 4 configs × 30 items = 1440 combos. GPT-5 mini + Multi-run wins at F2=0.826, and cheap models with Multi-run outperform premium single-shot selection. Ships with a multi-vendor LLM harness (Anthropic / OpenAI / Google) and a bug-fix commit inversion pipeline for benchmark synthesis.
USB に入れる曲が現場で鳴るかを出発前に確かめ, 鳴らないものだけ変換する DJ 向けツール. 判定表は Pioneer DJ / AlphaTheta 10 機種の取扱説明書から起こしたもので, コーデック・サンプルレート・ビット深度・ビットレートに加え, ファイルシステムとフォルダ構造 (8 階層・1 フォルダ 10,000 件) まで照合する. 変換先は 10 機種すべてでの再生を保証する 2 種類と保存用の 1 種類. 元より高いビットレートへの再エンコードや, 出力先が衝突する変換は拒否する. GPL 汚染を避けるため LGPL 構成の ffmpeg を macOS / Windows 向けにクロスビルドして同梱し, バンドル署名の封まで CI で検証する. CLI と GUI が同一コアを共有.
A DJ tool that answers whether the tracks on a USB stick will play in the booth, and converts only the ones that will not. The compatibility table is transcribed from the manuals of ten Pioneer DJ and AlphaTheta players, and covers the filesystem and the shape of the folder tree (eight levels, ten thousand entries per folder) alongside codec, sample rate, bit depth and bitrate. Two of the three targets guarantee playback on all ten; the third is the copy you keep. It refuses to re-encode a lossy source above the bitrate it arrived with, and refuses two conversions that would claim one destination. An LGPL ffmpeg is cross-built for macOS and Windows and shipped inside, with the bundle's code signature verified in CI. The CLI and the window share one core.
このサイト. profile content は Markdown frontmatter で共通化, main push → matrix で 2 ドメインへ自動 deploy.
This site. Profile content is shared as Markdown frontmatter, deployed to two domains via a build matrix on every push to main.
DJ セット向けの全画面カウントダウンタイマー PWA. 現在時刻・残り時間・経過時間の 3 画面分割 + 秒表示. 残り 3 分で黄, 1 分で 1Hz 点滅, 超過で赤の段階アラート. HH:MM ペアでセット時間を指定し, 保存プリセット (最大 12) は 1 タップで呼び出せる. Screen Wake Lock で画面消灯を防止し, リセット・上書き・削除は自前モーダルで確認. 単一 index.html, フレームワーク・ビルド依存ゼロ.
Full-screen countdown timer PWA for DJ sets. Three-panel layout (clock, remaining, elapsed) at second precision with progressive alerts: yellow at three minutes, 1 Hz blink at one minute, and red on overrun. Sessions are defined by HH:MM start/end pairs, and up to 12 saved presets can be applied with a single tap. Screen Wake Lock keeps the display awake, while reset, overwrite, and delete flow through custom in-app confirmation modals. Single index.html, no framework or build dependencies.
Chrome の新規タブに開く自分専用ポータル. マルチエンジンプレフィックス検索窓 (Google / Perplexity / GitHub / YouTube 等を1キーで切替), 日次ジャーナル自動生成, SM-2 忘却曲線に基づく復習リマインド, タスク・ブックマーク管理を1画面に統合. Markdown ベースのナレッジ管理を継続しつつ, FTS5 全文検索とパス単位認証で「自分専用 + 一部公開」を両立. 全部無料枠で完結.
A personal portal that replaces Chrome's new-tab page. Combines a multi-engine prefixed search bar (one-key switching across Google, Perplexity, GitHub, YouTube, etc.), auto-generated daily journals, SM-2-based spaced-repetition reminders, and task and bookmark management on one screen. Continues the Markdown-based knowledge workflow with FTS5 full-text search and per-path access control that mixes private-only and selectively public pages. Entirely on the free tier.
GUI アプリの音源分離ツール Ultimate Vocal Remover を, headless な CLI に仕立て直したフォーク. tkinter GUI を剥がして分離エンジンをそのまま再利用し, パラメータ発見 → 設定 → 実行を JSON ベースの interface で完結させた. AI エージェント (Claude Code 等) が人手なしで operate できる agent-native 設計.
A fork that turns Ultimate Vocal Remover, a GUI source-separation app, into a headless CLI. Strips the tkinter GUI, reuses the separation engines as-is, and exposes a JSON-based discover → configure → run interface — an agent-native design that AI agents like Claude Code can operate without a human in the loop.
研究データ収集のための Web アノテーション基盤を単独で設計・実装. 142 名の評定者から美術・ファッション・風景 3 ドメイン交互提示で約 9.8 万件の美的評価 (7 件法 + 9 種の美的感情) を収集し, このデータがクロスドメイン PIAA データセット XPASS-Vis (arXiv) の元になった. 日英対応. AI 駆動開発に移行する前に手で書いた最後のプロジェクト.
A web annotation platform for research data collection, designed and built solo. Collected ~98k aesthetic ratings (7-point overall + 9 aesthetic emotions) from 142 raters across three interleaved domains — art, fashion, and scenery — and the data became the cross-domain PIAA dataset XPASS-Vis (arXiv). Bilingual UI. The last project I hand-wrote before adopting AI-driven development.
自治体のマンホール点検を, 市民参加のゲーミフィケーション (撮影投稿・ポイント・ランキング) で低コストに実現するウェブアプリ. 認証スクラッチ実装や重い描画など課題の多かった旧実装を, 単独でクリーンに全面再実装. IaC 化と ADR による技術意思決定の記録も運用.
A web app that turns municipal manhole inspection into citizen-powered gamification — photo submissions, points, and rankings — at a fraction of the usual cost. Rebuilt cleanly from scratch, solo, replacing a legacy implementation plagued by hand-rolled auth and heavy rendering. IaC-managed, with ADRs recording technical decisions.
建設・インフラ点検業界向けの GIS ベース点検管理 SaaS (社内プロダクト). メイン開発者として技術選定・アーキテクチャ設計から実装・運用まで一貫して担当. マルチクラウド構成で, OpenAPI スキーマからの型自動生成で FE/BE を接続.
A GIS-based inspection management SaaS for the construction and infrastructure industry (internal product). As the main developer, responsible end-to-end from technology selection and architecture design to implementation and operations. Multi-cloud architecture connected by types auto-generated from the OpenAPI schema.
自治体インターンで開発した, 独立ネットワーク環境 (LGWAN 等) にセルフホストできる RAG チャットボットのスクラッチ実装. LDAP 認証・チャット履歴・管理機能を備え, インターネット非接続でも組織内文書の検索・回答生成ができる. 6 人チームの PM として開発をリード.
A from-scratch, self-hostable RAG chatbot for isolated networks (e.g. LGWAN, the closed network for Japanese local governments), built during a local-government internship. LDAP authentication, chat history, and admin tools enable in-house document search and answer generation with no internet access. Led the six-person team as PM.
修士研究のテーマは 解釈可能な個人化画像美的評価 (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).
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).
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 (単一 / 観点別並列 / 反証型 / 反復実行集約) を 12 モデル × 4 構成 × 30 項目 = 1440 combos で実測し，コスト-性能のパレート分析を報告. GPT-5 mini + Multi-run が F2=0.826 (95% bootstrap CI [0.746, 0.903]) で最良となり，廉価モデル + Multi-run が上位価格帯モデルを上回ることを示した．
JSAI SIG-AGI 33rd meeting (SIG-AGI-033-07, first author). Cost-vs-performance Pareto analysis of AI code review orchestration configurations (single, parallel-aspect, adversarial, multi-run aggregation) across 12 models × 4 configs × 30 items = 1440 combos. GPT-5 mini + Multi-run wins at F2=0.826 (95% bootstrap CI [0.746, 0.903]), and cheap models with Multi-run outperform premium single-shot selection.
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個人化画像美的評価 (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.