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。
Amazonの配送が劇的に改善された件について - A Successful Failure
先日のエントリ『Amazonのサービスが急激に劣化している件について』において、Amazonサービスの劣化について取り上げ、その中で千葉県において配送業者がカトーレックに変更された時期から配送遅延が常態化していたことについて述べた*1。 当該エントリは思いがけずホットエントリ化し、60,000を超えるPVと500を越えるブックマークを集めることとなった。そしてそれが筆者にとって劇的な効果をもたらしたのでここで報告しておきたい。次の表は前掲のエントリ前後の筆者に対するAmazonの配送状況を示したものである。12/3以後は今までの状況が嘘であったかのように、一気に改善されていることがわかる。1回や2回なら偶然かも知れないと複数回様子を見てみたが、安定的に配送予定日に配送されるようになった。 発送日配送予定日配送日所用日数 Before2008/11/192008/11/202008/11/2
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
