Jan Leike, a leading AI researcher who earlier this month resigned from OpenAI before publicly criticizing the company’s approach to AI safety, has joined OpenAI rival Anthropic to lead a…
![TechCrunch | Startup and Technology News](https://cdn-ak-scissors.b.st-hatena.com/image/square/92584d6251feb0822f349cf0211361b2833c9939/height=288;version=1;width=512/https%3A%2F%2Ftechcrunch.com%2Fwp-content%2Fuploads%2F2018%2F04%2Ftc-logo-2018-square-reverse2x.png)
twitter アイコンで Hybrid images が作れるページを公開しました。 http://luigitefu.xrsp.net/cgi-bin/hybridtwicon/ ・Hybrid images とは Hybrid images とは人間の視覚特性を利用し、(近視 or 縮小 or 遠くから見る)場合と、(not近視 or 拡大 or 近くから見る)場合で違って見える画像のことです。 MITで考案され、以下のページと論文に多数の具体例や原理が紹介されています。 Hybrid Images @ MIT Hybrid Images - A. Oliva, A. Torralba, P.G. Schyns, ACM Transactions on Graphics, vol. 25-3, pages 527-530, 2006. 今回は2つの画像を入力とすることで、縮小したとき
See related links to what you are looking for.
DREは、あなたのコンピュータに保存されている画像の中から、とくに類似しているものを重複として検出し、処分するソフトウェアです。 DREの名前は、「そっくりさん消し」の意味の英語Dead Ringer Eraserから取られました。 ソフトウェア、およびソースコードは、sourceforge.netから利用できます。 右側の「ダウンロード」リンクからアクセスしてください。 特徴 ウィザードスタイルで、ステップに分けて段階的に操作を行います。 類似画像検出のアルゴリズムは、複数の種類から選択できます。パッケージとして外部からの追加も可能です。 しきい値、キャッシュの使用、マルチスレッドなど、さまざまなオプションが選択可能です。 検出した重複画像は半自動で1枚に絞り込まれ、その他の不要になったファイルは移動または削除することができます。 複数の言語に対応しています。 (現在は日本語・英語のみ)
2010年11月03日 Web上の膨大な画像に基づく自動カラリゼーション Tweet 以前『Web上の膨大な画像に基づく自動画像補完技術の威力』において、Web上の膨大な画像から欠損部分を自動的に補完する手法*1について紹介した(図1)。 図1:Scene Completion Using Millions of Photographs これは、Flickr等から大量にかき集めてきた画像から類似度の高い画像を自動的に抽出し、欠損部分にハメ込むことで違和感の無い補完画像を生成するアプローチであり、そのアイデアと、生成される補完画像のクオリティが話題になった。素材の量が質に変化する、まさにWeb時代に適したアプローチである。 本エントリでは同様の手法を用いて、失われた色を取り戻すカラリゼーション(colorization)について紹介したい。カラリゼーションとはコンピュータを用いたモノクロ画像
コンピュータビジョンで物体検出や追跡を行う場合、当然のことながら学習データというのをある程度用意しなくてはいけません。具体例としてはOpenCVのHaarClassifierCascadeで物体検出するための検出器を訓練するとき、訓練画像をたくさん集めて、その対象となる物体がその画像のどこにあるのかを記述したテキストファイルを作らなくちゃいけません。 詳しくは、ここら辺を参考にしてください。 http://gihyo.jp/dev/feature/01/opencv/0004 また、作った物体検出器やトラッキング用プログラムが正しく位置を検出しているかを評価するために、あらかじめ正解データというのを作っておいてそれに対して評価をする必要があります。この正解データというのがやっぱり画像を集めて、それに対してその物体の位置というのをいちいち人間が手動で調べて、なんらかの外部ファイルとしてその座
AnimeFaceをrubyで使いたいという話を目にして Imager::AnimeFaceをRubyから使えるようにしました - Yanagi Entertainment を思い出したのですが、たしか動かなかった記憶があってやっぱり動かなかったらしいので バグ修正して、ちょっとインターフェースを変えたバージョンを置いておきます。 AnimeFace-Ruby.tar.gz 以下、リードミー h1. AnimeFace-Ruby Imager::AnimeFaceをRubyから使えるようにしました (http://d.hatena.ne.jp/yanagia/20090821/1250878964) をベースに引数の順番の違うバグの修正とちょっとインターフェースを変えたものです。 rubyでRMagickで読み込んだ画像に対してアニメ顔検出を行います。 h2. 必要なもの ruby RMa
English page is here. 公開プログラム プログラムの詳細は添付されている README を参照して下さい.研究用途に限 りプログラムの利用は自由ですが,何らかの形で利用し,その結果を公表され る際,利用した旨明記して下さい. 更新履歴 シミュレーションデータ作成用プログラムにおいて,Ver.1.1 までのプログラ ムにバグを発見しましたので,一時アクセス不能にしてあります.Ver.1.1 以 下を使用されている方はご注意ください (2006/9/15). シミュレーションデータ作成用プログラムにおいて,透視投影時の回転行列の 行列式が 1 にならないないバグを修正しました(2006/9/14). TVD-matcher において,特徴点抽出に Improved Harris オペレータを使うよ うにしました (2006/7/24). シミュレーションデータ作成用プログラ
Bundler: Structure from Motion (SfM) for Unordered Image Collections Software written by Noah Snavely Download Bundler from the bundler_sfm repository on GitHub | What is Bundler? | Downloading Bundler | Documentation | References | Links | What is Bundler? Bundler is a structure-from-motion (SfM) system for unordered image collections (for instance, images from the Internet) written in C and C++.
EPIPOLAR GEOMETRY TOOLBOX © v1.3 Gian Luca Mariottini - Domenico Prattichizzo http://egt.dii.unisi.it last update Jan 11, 2006 Contents 1 Keywords 2 Introduction and motivations 3 Description 4 Screenshots 5 Animations 6 Applications 7 Rights to use, citation etc. 8 Publications 9 Download manual and Matlab code 10 EGT Mailing List 11 Quick start 12 Acknowledgments 13 People Matlab to
下図のように点と直線との関係を調べるには、外積を使うと簡単に求まります。 画像データのように、二次元の平面の場合は、Z成分は0なので、ベクトルの外積の計算は となります。 ここで、下図のように直線をベクトルとして捉え、この直線のベクトルとベクトルの始点と各点と なすベクトルの外積を計算する。 ここで、外積の特徴からZ成分の値について注目すると Z>0の場合 線の左側 Z<0の場合 線の右側 Z=0の場合 線上 となる。 この性質を応用すると、下図のように点が三角形の内側にあるのか?外側にあるのか? を調べることもできる。 直線のベクトルと点との外積を求め、3つのベクトルとも外積のZ成分が正(>0)の場合は その点は三角形の内側、1つでも負(<0)がある場合は三角形の外側となる。
待望の続編が遂に刊行! 本書を読めば、コンピュータビジョン分野での話題の技術・アルゴリズムについて、その原理を理解できるだけでなく、それを実践に生かすための実装法までを一度に学ぶことができる! 日常,われわれが愛用するハンドブック,解説記事等は,広く専門知識を獲得する目的においては役に立つ。しかし,ある原理・手法について学びたい場合,解説記事を読んだだけでは不十分で,原著論文に戻り,試行錯誤を繰り返す必要がある。しかし,ほとんどの原著論文には,プログラムの実装方法のような具体的内容までが記載されていないため,「このパラメータの設定方法は?」「初期化は必要なの?」「データの定義方法は?」 など多くの疑問が生まれる。一方,特定の内容についての解説本や教科書では,特徴抽出,物体追跡などの技術目標についてまとめられているケースが多く,方法論や表現方法という観点でまとめられた書籍は少ない。さらに,コ
2024/06/27 Stand Flower (スタンド花) 2024/06/27 Bouquet(花束) 2024/06/27 2person 2024/06/27 Bouquet (花束) 2024/06/10 display 2024/02/27 object 2024/01/13 display 2023/12/25 sugahara san 2023/07/01 noo. 5th anniversary 2023/07/01 noo. 5th anniversary 2022/04/09 ハイライト 2022/04/09 広島 花屋 noo. 2022/02/08 ハイライト 2022/02/01 ハイライト 2022/01/17 とある 街を 灯す ひとつの テロワール 2022/01/09 ハイライト 2022/01/08 Mississippi mud wreathe 2
このURLのページは存在しません。 つながるコンテンツをご覧になるには 左コラムの目次から、読みたい記事をお選び下さい。
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