iOS / OpenCV 3.0 で画像の特徴点を検出する（AKAZE, SIFT, SURF, ORB） - その後のその後
局所特徴量とは / SIFT, SURF 特徴量 このスライドが超わかりやすかったです。 画像認識の初歩、SIFT,SURF特徴量 from takaya imai で、SIFT (Scale-invariant feature transform)、SURF (Speed-Upped Robust Feature) というのは、拡大縮小・回転・照明変化に強いロバストな特徴量、としてよく知られているようです。 SURF の方が軽量で、その代わり認識精度は SIFT の方が良い、とのこと。 特徴量の用途 複数写真からのパノラマ写真合成 （上に載せたスライドより） AR のマーカー認識 下記画像はARのマーカー認識とは違いますが、そういう使い方ができそうだ、ということは汲んでいただけるかと。。 （http://docs.opencv.org/3.0-rc1/d7/dff/tutorial_fe
画像の専門家も「魔法のようだ」と驚愕！ ピンぼけ写真を修復できるプログラムが開発される | ロケットニュース24
画像の専門家も「魔法のようだ」と驚愕！ ピンぼけ写真を修復できるプログラムが開発される 2012年10月26日 わーん、街で偶然アイドルを見かけたから急いでカメラのシャッター切ったら案の定ピンぼけして、どこかのおばちゃんみたいに見えるわーっ！ 街の名前が書かれた看板の字すらボケすぎて何がなんだかわからんわーっ！ これじゃ何の証拠にもならへんやーんっ!! そんなアナタの切実なお悩みが近々解消されるかもしれないから、ピンぼけデータもしっかり保存しておくといいかもしれぬぞ。 というのも、ピントや手ぶれなどでぼやけている写真を修復してくれるプログラム「SmartDeblur」がプログラマーVladimir Yuzhikov氏によって開発されたというのである。 例えばピンぼけした風景の元画像と、処理後の画像を見てみると、その差は歴然！ それまで何がなんだか区別できなかったボケボケの風景が、プログラム
Web上の膨大な画像に基づく自動画像補完技術の威力 - A Successful Failure
画像内に映り込んだ所望のオブジェクトを排除し、違和感の無い画像を生成するシーン補完技術に関しては近年複数の研究成果が発表されている。しかし中でも2007年のSIGGRAPHにて米カーネギメロン大のJames HaysとAlexei A. Efrosが発表した手法*1はブレークスルーとなりうる画期的なものだ。 論より証拠、早速適用例を見てみよう。本エントリで利用する画像はPresentationからの引用である。元画像の中から邪魔なオブジェクト等の隠蔽すべき領域を指定すると、その領域が補完された画像が自動的に生成される。 アルゴリズム 効果は抜群だがアイデア自体は単純なものだ。Web上には莫大な数量の画像がアップされており、今や対象となる画像の類似画像を一瞬にして大量に検索することができる。そこで、検索された類似画像で隠蔽領域を完全に置き換えてしまうことで違和感の無い補完画像を生成するのだ。
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
