コンピュータビジョンと自動運転技術の研究に取り組んでいます．深層学習を用いた3D物体検出，LiDAR点群処理，Vision Transformersの実装に関心があり，実用的なリアルタイムシステムの構築を目指しています．

Graduate student researching computer vision and autonomous driving systems. My work focuses on 3D object detection using deep learning, LiDAR point cloud processing, and Vision Transformer implementations for real-time applications.

Computer Vision & Deep Learning

• 3D Object Detection & Tracking with LiDAR Point Clouds
• Vision Transformers (ViT, DETR) for Perception Tasks
• Neural Network Optimization & Lightweight Model Design
• Diffusion Models & Image Inpainting

Autonomous Driving

• Real-time Perception Systems in CARLA Simulation
• Multi-object Tracking for Pedestrians and Vehicles
• Sensor Fusion & Multi-modal Learning
• End-to-End Learning for Autonomous Navigation

ML/DL: PyTorch, TensorFlow, PointNet/PointNet++, Transformers
Simulation: CARLA Simulator
Development: React, Next.js, Vue.js, Flask
Security: CTF (Beginner)
Tools: Git, Google Colab, VS Code, LaTeX, Overleaf

個人Webサイト構築
研究成果，プロジェクト，技術記事を紹介するポートフォリオサイト．React，Next.jsなどを用いて構築・運用しています．

Money:G -資産管理アプリ-
Money:Gは，個人の家計管理を効率化するFlutter製モバイルアプリです．支出・収入の記録，予算管理，NISA投資追跡，CSV インポート/エクスポート機能を備え，グラフとレポートで資産状況を可視化します．

EfficientUnMarker
拡散モデルと画像inpaintingネットワークを用いたウォーターマーク除去技術の研究プロジェクト．深層学習アプローチによるデジタルウォーターマーキングシステムへの敵対的攻撃を調査し，ウォーターマーク保護手法の堅牢性評価と対策手法の開発に焦点を当てた研究をしています．

時系列3D点群データを用いた歩行者個別追跡システムの試作
LiDARベースの3D点群シーケンスを用いた自動運転向けの高度な追跡システム．PointNetによる特徴抽出，LSTMによる時系列モデリング，カルマンフィルタを組み合わせ，密集した都市環境における複数歩行者の頑健な追跡を実現．特に疎な点群条件においてTransformerベースの3DETRを上回る性能を達成し，ID一貫性と軌跡の滑らかさを維持する時系列モデリングの有効性をCARLAシミュレーション環境で実証しています．今後は，3DETRに加えてPointNet++など他の点群検出モデルとの比較や，局所特徴を保持できるアーキテクチャおよび非線形・距離依存ノイズを考慮した追跡手法への拡張を行い，この手法の優位性と限界をより網羅的に検証します．

• Portfolio: portfolio.paraccoli.com
• Technical Blog: zenn.dev/miguel
• X/Twitter: @Paraccoli
• Email: contact@paraccoli.com