英語文法において時制は最も厄介なルールの一つだ。特に複数の出来事の前後関係を含意するシーケンスは、正確に使うには訓練が必要だろう。"Sequence of Verb Tenses"では、そのルールをロジカルに一覧にしている。とても有用な表なので、以下に紹介したい。 主節の動詞が過去形もしくは過去完了形以外の場合には、従属節の動詞の時制は何でも利用することができて、その時制の通りの意味を表す。しかし、主節の動詞が過去形もしくは過去完了形の場合には、従属節の動詞は、過去形もしくは過去完了形でなくてはならない。例外は従属節が一般的真実として広く知られていることを表現するときである。 In the 1950s, English teachers still believed that a background in Latin is essential for an understanding o

今年もSIGGRAPHの開催時期となった。この先、いくつか紹介したいと思うが、まず一番目は水滴をボクセル(voxel)として利用した多層2.5次元ディスプレイについてとりあげたい*1。例によって本エントリで用いる図表は論文からの引用である。 (a)動画(b)テキスト (c)ゲーム(d)画像 図1：水滴により構成された各レイヤに静的/動的コンテンツを独立して描画できる2.5次元多層ディスプレイ 【告知】[twitter:@LunarModule7]でつぶやいています。 興味のあるかたはフォローください。 水滴は投射された光の大半を反射し、素晴らしい広視野角のレンズとなることができる。研究グループは、厳密に制御された多支管バルブ機構により生成された水滴の一滴一滴の位置をカメラでリアルタイムにトラッキングし、プロジェクタで一滴一滴に色を投影することで、動画やゲームなど様々なビジュアルコンテンツを

一人の人間を定義するのに必要な記憶容量はどのくらいだろうか。Schefferは恒星間飛行を低コストで行うために、人をデータの状態で転送するアイデアを論じた論文の中で、一人の人間の心を記録するのに必要な記憶容量について見積もっている。 Scheffer, Louis K.: Machine Intelligence, the Cost of Interstellar Travel and Fermi's Paradox, Quarterly Journal of the Royal Astronomical Society, Vol. 35, pp.157-175, Jun. 1994 基本的にはあらゆるニューロンとシナプスの状態が記述できれば、脳の挙動を予測するのに十分な情報量であることが、近年の脳科学研究により判明している。脳に含まれるニューロンとシナプスの正確な数を見積もることは困難だ

建物群から構成される都市景観の3Dモデリングは、様々なアプリケーションにおいて利用されているが、その利用は現時点では限定されており、より積極的な利用を促進するには、3Dモデル構築の省力化、自動化、低コスト化が求められる。最近、ジョージア工科大の研究グループが、都市景観をスキャンし、3Dモデル構築を行うあっと驚く意外な方法を考案している。本エントリでは、論文*1に従って、この手法の概要と、それによって将来可能になるであろうユースシーンについて紹介したい。本エントリで掲載する図表は本論文からの引用である。 【告知】@LunarModule7でつぶやいています。 興味のあるかたはフォローください。 GPSを使って街をスキャンする GPSは30個程度の衛星のうち受信可能な位置にある衛星からの時刻情報、軌道情報などを受信し、衛星からの距離を測定、3次元位置を測位するものだ。4個のGPS衛星からの電波

本エントリでは前回に引き続き、iPhoneアプリケーションのうち、特に実世界とのインタラクションを有するものについて紹介する。カテゴリとしては、拡張現実(Augmented Reality)、コンテキスト・アウェアネス(Context Awareness)、位置依存サービス(Location Dependent Services)などが該当するだろう。前回をご覧になっていない方はまず下記エントリからご確認いただきたい。 いよいよ実世界にタッチするiPhoneアプリまとめ - A Successful Failure AR系アプリはツールキットの充実化などで今後もますます増加するものと考えられるが、本エントリは全ての網羅を目的とするものではなく、中でもキラリとアイデアが光るものを中心に取り上げていきたい。 GolfScope：ピンまでの距離を計測 GolfScopeは光学式のゴルフスコープを

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。