NABLAS、人工知能学会全国大会（JSAI 2026）にてAI生成動画のフェイク検知や日本文化特化の動画QAなど、3本の論文を発表

AI総合研究所として活動するNABLAS株式会社 (本社 : 東京都文京区本郷、 代表取締役 所長 : 中山 浩太郎、 以下「当社」)は、2026年6月に開催される国内最大級の人工知能研究カンファレンスである人工知能学会全国大会（第40回、JSAI 2026）において、当社のR&D事業部による最新の研究成果として3本の論文が採択され、口頭およびポスター発表することをお知らせいたします。

NABLASは、社会課題の解決や新たな価値創出に向け、ディープフェイク検知、視覚言語モデル（MLLM）、データ分析エージェントなど最先端のAI技術の研究開発（R&D）を日々推進しています。それらの研究活動の中から、マーケティング支援、日本文化に特化したAI評価基盤、そして進化する生成AIの脅威に対抗するフェイク動画検知に関する3つのテーマに関する論文が採択され、口頭およびポスター発表を行います。

また、当社発表の論文の他に、トヨタ自動車株式会社との共同開発に関する研究成果として2本の論文を口頭およびポスター発表予定です。

【SNSの分析による食品名のマーケティング支援用推薦システム】
経済産業省とＮＥＤＯが実施する、国内の生成AIの開発力強化を目的としたプロジェクト「GENIAC（Generative AI Accelerator Challenge）」の支援を受け、2024年の10月から2025年の4月末までの約6ヶ月間、視覚言語モデルとそれを活用したサービス開発に取り組みました。その研究開発成果を基に、SNSデータからのトレンド予測に関して、実用化に向けた更なる研究開発を進めてまいりました。
食品の流行は製造・在庫・物流計画に直接影響するため、SNS上の言及からマーケティング分析において注目すべき食品名候補を早期に抽出・整理する手法が求められています。しかし、選定の基準となる既存の指標も十分に整備されていません。本研究では、分析対象の食品名は「現時点での低頻度性（レア度）」と「語構成の非典型性（意外性）」を併せ持つという仮定の上、これらを統合して順位付けし、食品トレンド分析における探索的分析を支援するフレームワークを提案しました。

一般セッション　AI応用：マーケティングと推薦
2026年6月8日(月) 13:40~15:10　J会場（中会議室201B）

【Video Forgery Detection with Optical Flow Residuals and Spatial-Temporal Consistency】
拡散モデルベースの動画生成技術の急速な発展により、ますますリアルな合成コンテンツが生成可能となり、自然なフェイク動画が生成されるようになりました。従来のフェイク動画検知方法は、フレーム間の微細な不整合を捉えることでフェイク動画であるという判断をしていましたが、生成AI技術の発展により、この微細な不整合を捉えることが難しくなってきています。本研究では、この微細な不整合（時間的整合性の乱れ）を捉え、フェイク動画を見破るための新たな検出フレームワークを提案しています。

RGBの外観特徴とオプティカルフローの残差を組み合わせることで、空間的・時間的整合性を活用した検出フレームワークです。さらに、提案手法に対して、10種類の多様な生成モデルに対するテキストから動画生成（text-to-video）および画像から動画生成（image-to-video）のタスクにおける大規模実験を行った結果、高いロバスト性と優れた汎化性能を示しました。

ポスターセッション
2026年6月8日(月) 14:10~15:40　Y会場（展示ホールAB-1）

【Japanese Video-QA: 日本文化に特化した動画質問応答ベンチマークの構築と評価】
本論文では、日本文化に特化した動画質問応答ベンチマーク「Japanese Video-QA」を提案しています。近年、MLLM（Multimodal Large Language Model）は画像・音声・動画をまたぐ処理能力を急速に高めていますが、日本語かつ日本の文化に強く依存する動画理解の能力を定量的に評価できるベンチマークはほとんど存在しません。Japanese Video-QA は、このギャップを埋めることを目的に構築されたベンチマークであり、日本の文化という特定ドメインにおける動画理解の難しさを可視化する初期的な試みです。

データセットは、YouTube上の日本に関する動画428本に対し、Gemini 2.5 Flashによる質問生成と人手による検証・修正を通じて構築した800件の質問応答ペアから成ります。動画は四季・行事、観光名所、伝統文化、食文化、自然・風景、ポップカルチャーの6ドメインと100サブドメインを網羅しています。

ポスターセッション
2026年6月8日(月) 16:10~17:40　Y会場（展示ホールAB-1）

【時系列データ解釈のためのマルチモーダルLLM設計と自動車の運転挙動説明への応用】
従来、時系列データを入力とする機械学習モデルの開発では、用途ごとに特化したモデルを構築する必要があり、精度にも限界がありました。本研究では、この課題を解決するため、時系列データを入力できる新たなマルチモーダルLLM（Time-Series Language Model: TSLM）を提案しています。

一般セッション：AI応用：マルチモーダル理解と解釈
2026年6月9日(火) 15:30~17:00　E会場（メインホールC）

【時系列データ解釈のためのマルチモーダルLLM開発に向けた車両走行データセット構築】
近年、自然言語に加え、画像・動画・音声などの多様なデータセットを活用した大規模言語モデル（LLM）のマルチモーダル化が精力的に研究されていますが、時系列データを解釈可能なマルチモーダルLLMの開発は、時系列データと説明文が対応付けられた大規模データセットの不足により、十分には進んでいません。本研究では、時系列データの中でも車両走行データに着目し、走行状況の説明文を生成するとともに、大規模データセットの構築を目的とし、車両走行データをグラフ化し、視覚言語モデル（VLM）で処理するパイプラインを提案しています。

ポスターセッション
2026年6月9日(火) 16:00~17:30　Y会場（展示ホールAB-1）

当社では、フェイク検出技術の他、AIエージェントによるデータ分析の自動化、相関分析にとどまらず、DAGの自動構築を含む因果推論の自動化、製造業をはじめとする工場や製造現場での時系列データの活用による生産性向上および異常検知報告などへの応用にも挑戦しています。