ASUS AI研究開発エンジニア

范植貿 Jonathan Fan

コンピュータビジョン。

アルゴリズム開発、モデルの学習と評価から、バックエンドとフロントエンドまで。AIモデルを実際に使えるソフトウェアに仕上げています。

コンテスト作品を見る GitHub LinkedIn

仕事の外では

ピアノとギター
トランプマジック
ハイキングと登山
AI とコンピュータビジョン
読書と執筆
スケートボード
星空観察
写真撮影
なんでもあり

コーヒーカップ、トランプ、ギターと一緒に描かれたフィギュア風の Jonathan のイラスト

スクロール

自己紹介

ASUS の AI 研究開発エンジニアとして、コンピュータビジョンと、機械学習モデルを実用的なソフトウェア製品にすることを専門にしています。仕事の範囲はアルゴリズム開発、モデル評価、バックエンド、フロントエンドに及びます。

AISVision R6、AISVision 365、AISDetector 2.0 に携わり、画像分類、セグメンテーション、物体検出、異常検知、トラッキング、信号解析を経験しました。特に力を入れているのは、360°の方向推定を含む回転・方向性物体検出とそのモデル評価です。

問題の整理からモデルの開発・検証、アプリケーションへの統合まで、研究とエンジニアリングをつなぐ仕事が好きです。

国立中興大学で修士号を取得し、深層学習による画像復元を研究しました。成果は ICIP、EUSIPCO、ISCAS で発表し、修士論文は 2022 IEEE Taipei Section 最優秀修士・博士論文賞を受賞。また、台湾で登録済みの実用新案4件で主発明者を務めています。

AIコンテストへの参加や論文の共有、チームのデバッグを効率化する社内ツールの開発にも取り組み、LLM、RAG、開発の自動化についても学び続けています。

論文・発表: 7
台湾実用新案: 4
コンテスト: 8+
GitHub スター: 597

専門分野

Computer Vision
Deep Learning
Oriented Object Detection
Image Restoration
Anomaly Detection
Object Tracking
Signal Analysis
AI Product Integration

主な技術

Python
PyTorch
FastAPI
PostgreSQL
Vue 3
TypeScript

履歴書

職務経歴

ASUSTeK COMPUTER INC.

AI研究開発エンジニア

Digital Image Technology（DIT）製品部門 · 台湾・台北 · 2022年9月から

2022 – 現在

AIアルゴリズムを開発し、モデルの学習・評価からバックエンドサービス、フロントエンドまで、実用的なソフトウェアとして統合しています。以下の年は、各製品に主に携わった期間です。

担当製品
1. AISDetector 2.0 2026–現在
  
  信号解析と前処理
  - 信号解析向けのバックエンドとモデルアーキテクチャを開発。
  - CI/CD とリリース用ベンチマークを整備し、前処理推薦のプロトタイプを構築。
2. AISVision 365 2025–2026
  
  AIモデルと製品の統合
  - モデルの学習・推論・レポート・検証画面のフロントエンド、後期はバックエンドも担当。
  - 回転・方向性物体検出の保守、データセット変換ツール、パッケージングを担当。
3. AISVision R6 2022–2025
  
  コンピュータビジョンとアルゴリズム開発
  - 360°方向推定を含む物体検出：角度を考慮した損失関数、回転NMS、評価指標。
  - 画像分類、セグメンテーション、異常検知、トラッキングのアルゴリズムを開発。
その他の取り組み
- AISVision R6 と AISDetector 2.0 のログウィンドウを自主開発し、デバッグ効率を改善。
- 論文の要点をチームに共有し、AIコンテストにも参加。
- 台湾で登録済みの実用新案4件で主発明者を務める。
- Python
- PyTorch
- FastAPI
- PostgreSQL
- Vue 3
- TypeScript
- CI/CD
工業技術研究院（ITRI）

Androidシステム開発インターン

2021 – 2022

大学院2年目に、台湾の工業技術研究院情報通信研究所から面接の招待を受け、Androidシステム開発チームの支援を担当しました。Androidのイメージファイルを開発ボードに書き込む手法を学び、実践する中で、Android OSのアーキテクチャやアプリインストールの仕組みについての理解を深めました。
- C
- Android Development
- Embedded Systems

論文・発表

ICIP 2023

実画像復元のための複合マルチブランチ特徴融合

IEEE 画像処理国際会議（ICIP 2023）

概要

画像復元は困難かつ不適切な問題であり、長年にわたる課題とされています。しかし、多くの学習ベースの復元手法は特定の劣化タイプにのみ対応しており、汎用性に欠けます。本研究では、人間の視覚系（特に網膜神経節細胞）から着想を得たマルチブランチ復元モデルを提案し、汎用的なフレームワーク内で複数の復元タスクを実現します。提案する多枝構造「CMFNet」は、画像のブレ除去、霧除去、雨滴除去など、自動運転車における一般的な応用に対して、4つのデータセットで優れた性能を示しました。

論文 arXiv コード 100 動画
Master’s Thesis 最優秀修士・博士論文賞

選択可能な残差ブロックを用いた改良型階層エンコーダ-デコーダネットワークによる画像復元

国立中興大学修士論文 · 2022 IEEE Taipei Section 最優秀修士・博士論文賞

概要

本研究では、軽量な階層型ネットワーク構造 U-Net をベースに、画像復元で有効ながらもメモリ消費の多い RDB（Residual Dense Block）をより効率的な Selective Residual Block（SRB）へ改良しました。また、U-Net に「ゲートポスト特徴パス（gatepost feature paths）」を追加することで、従来の U-Net と比べて空間的特徴をより豊かに表現でき、SRB との相乗効果も得られました。さらに、画像復元における重要指標である PSNR および構造類似度（SSIM）に基づく損失関数を提案し、モデルの最適化を行いました。最終的に、本ネットワークはノイズ除去、ブレ補正、雨滴除去、霧除去、低照度画像強調などを含む 9種類の復元タスクに対応可能であり、定量評価および視覚品質の両面で優れた性能を示しました。 本論文は IEEE 2022 Taipei Section 最優秀修士・博士論文賞に選出されました 🎉

論文コード 12 賞状
ICIP 2022

M-Net+ における半ウェーブレットアテンションによる低照度画像の強調

IEEE 画像処理国際会議 (ICIP 2022)

概要

低照度画像強調は、暗い画像を適切な明るさに改善するコンピュータビジョンのタスクであり、画像復元における不適定問題とも見なされます。深層学習の発展により、畳み込みニューラルネットワーク（CNN）は従来のアルゴリズム手法を凌駕し、コンピュータビジョン分野の主流となりました。本研究では、改良された階層型モデル M-Net+ に基づく画像強調ネットワーク HWMNet を提案します。 M-Net+ に半ウェーブレットアテンションブロックを導入することで、小波領域の特徴をより豊かに表現します。 2つの低照度画像強調データセットにおいて、提案手法 HWMNet は定量評価と視覚的品質の両面で優れた性能を示しました。

論文コード 108 動画
ICCE-TW 2022

ブラインド画像ノイズ除去のための改良型階層構造 M-Net+

IEEE 国際消費電子会議 (ICCE-TW 2022)

概要

画像のノイズ除去は、長年にわたる ill-posed な課題です。近年では、畳み込みニューラルネットワーク（CNN）が注目を集め、コンピュータビジョン分野を席巻し、様々な視覚タスクで顕著な成果を上げています。その中でも有名な階層型 CNN の一つが U-Net であり、ノイズ除去を含む多くのタスクにおいて優れた性能を発揮しています。しかし、こうした階層構造は繰り返されるダウンサンプリングにより空間情報の損失を引き起こし、特にノイズ除去のようなピクセル単位の処理に深刻な影響を及ぼします。本研究では、空間情報損失の改善を目的に、画像ノイズ除去に適した改良型の階層構造 M-Net+ を提案します。2つの合成ガウスノイズデータセットでテストを行い、競争力のある結果が得られました。

論文
EUSIPCO 2022

実画像のノイズ除去のための選択的残差 M-Net

IEEE 欧州信号処理会議 (EUSIPCO 2022)

概要

画像復元は、劣化した画像をノイズのない状態に回復するための低レベル視覚タスクです。ディープニューラルネットワークの成功により、畳み込みニューラルネットワーク（CNN）は従来の復元手法を凌駕し、コンピュータビジョン分野の主流となっています。本研究では、U-Net を改良した階層型ブラインド画像ノイズ除去ネットワーク（SRMNet）を提案します。具体的には、M-Net に残差ブロック付きの選択的カーネルを導入することで、多スケールのセマンティック情報を強化します。提案する SRMNet は、2つの合成データセットと2つの実画像ノイズデータセットにおいて、定量指標と視覚的品質の両面で優れた性能を示しました。ソースコードと事前学習済みモデルは以下より入手可能です：https://github.com/FanChiMao/SRMNet

論文コード 31 動画
ISCAS 2022

SUNet：Swin Transformer を用いた UNet による画像ノイズ除去

IEEE 回路とシステム国際会議 (ISCAS 2022)

概要

画像復元は、長年にわたり取り組まれてきた困難な ill-posed 問題です。近年では、畳み込みニューラルネットワーク（CNN）がコンピュータビジョン分野をほぼ独占し、画像復元を含む様々なタスクで顕著な成果を上げてきました。しかし、最近では Swin Transformer ベースのモデルが優れた性能を示し、高レベルな視覚タスクにおいては CNN を超える最新のアプローチとなっています。本研究では、Swin Transformer レイヤを基本ブロックとして採用し、それを UNet アーキテクチャに組み込んだ復元モデル「SUNet」を提案します。本モデルは画像ノイズ除去に応用されます。

論文 arXiv コード 265 動画
ICCE-TW 2021

WBTP-VTON：全身およびテクスチャ保持に基づくバーチャル試着ネットワーク

IEEE 国際消費電子会議 (ICCE-TW 2021)

概要

画像ベースのバーチャル試着システムは近年ますます注目されていますが、まだ多くの課題が残されています。そこで本研究では、全身およびテクスチャの保持を考慮した新しい完全学習型モデル「WBTP-VTON（Whole Body and Texture Preservation based Virtual Try-On Network）」を提案し、この分野における課題解決を目指します。まず、WBTP-VTON テンプレート変換では、幾何学的マッチングモジュール（GMM）を用いて、ターゲット人物の体型に合わせて衣服やズボン（またはスカート）を変形させます。次に、最終的な画像を合成し、生成結果のリアリティを高めます。最後に、試着モジュールと合成マスクを用いて、変形された衣服と最終画像を統合し、滑らかな描写を実現します。大規模なデータセットによる実験の結果、提案する WBTP-VTON はバーチャル試着において優れた性能を示しました。

論文コード 5

ドラッグで比較

修士論文の画像復元結果

すべての比較を見る

入力復元後

Kodak24 スライダーをドラッグするか、左右キーで操作できます。

特許

台湾で登録済みの実用新案4件で主発明者を務めています。出願人・権利者は ASUSTeK COMPUTER INC. です。

台湾実用新案

電子装置

Electronic device

主発明者

公告番号

TWM681536U

出願番号

TW114210536

出願日

2025年10月2日

公告日

2026年4月1日

出願人

ASUSTeK COMPUTER INC.
台湾実用新案

電子装置

Electronic device

主発明者

公告番号

TWM678561U

出願番号

TW114210089

出願日

2025年9月19日

公告日

2025年12月21日

出願人

ASUSTeK COMPUTER INC.
台湾実用新案

デジタルオーディオシステム

Digital audio system

主発明者

公告番号

TWM653962U

出願番号

TW112211484

出願日

2023年10月24日

公告日

2024年4月11日

出願人

ASUSTeK COMPUTER INC.
台湾実用新案

音声転写用の電子装置

Electronic device for audio transcription

主発明者

公告番号

TWM652294U

出願番号

TW112211968

出願日

2023年11月3日

公告日

2024年3月1日

出願人

ASUSTeK COMPUTER INC.

コンテスト作品

2026

RepoRadar：AI による Issue 分析

ASUS 社内 AI Agent コンテスト。GitHub／GitLab の Issue、ディスカッション、関連 PR／MR をまとめる Electron デスクトップアプリで、AI要約、RAGチャット、分析ダッシュボード、定期同期、Markdown／HTML／PDF レポートを備えています。フロントエンドは TypeScript、バックエンドは Python FastAPI。

GitHub 1 デモ動画

2024

低フレームレート車両追跡

チーム成績：286チーム中2位

AI CUP 2024。ASUSチームの一員として、1 fps 映像での車両追跡に取り組み、YOLO 検出器のアンサンブル、OSNet の再識別特徴、動き情報による対応付けを組み合わせました。

GitHub 29 賞状

2024

金融QAのための RAG

AI CUP 2024、TEAM_6029 として参加。金融文書から根拠資料を検索するフローを再現可能な形で構築し、ベースラインと提出用パイプライン、precision@1 評価を用意しました。

GitHub 1

2023

シャトル追跡

チーム成績：439チーム中上位25%

AI 技術を用いて、バドミントンの試合におけるシャトルの位置と軌道を解析します。

GitHub 9 賞状

2022

CyberAudio：音楽の自動採譜

チーム成績：60組中3位

Intel DevCUP 2022。音源分離、自動採譜、OpenVINO を組み合わせ、曲の各パートを分離して MIDI と楽譜を生成しました。

GitHub 6 賞状

2022

ランの種類分類

チーム成績：275チーム中18位

AI CUP 2022。7つの分類モデルをアンサンブル手法で組み合わせてランの種類を予測し、AI CUP プロジェクトオフィス賞状を受け取りました。

GitHub 1

2021

データ回帰

118チーム中上位25%

マルチレイヤーパーセプトロンで工業データを予測し、現場で新たに提供された学習データを使ってモデルをリアルタイムに再学習しました。

GitHub 4

2021

稲の株検出

523チーム中9位 · 佳作

台湾教育部と中央研究院が共催する AI CUP 2021（大学部門）。YOLOv4 を使い、ドローンのRGB画像から稲の株の位置を検出しました。

GitHub 5

学歴

2020–2022

電気工学修士（M.S.）

国立中興大学

研究分野はコンピュータビジョン、深層学習、画像復元（ノイズ除去、ブレ補正、雨滴除去、霧除去、低照度補正）。成果は ICIP、EUSIPCO、ISCAS で発表。GPA 4.13/4.15。修士論文は 2022 IEEE Taipei Section 最優秀修士・博士論文賞を受賞しました。

Sep 2016–Jun 2020