https://www.mi.t.u-tokyo.ac.jp/kanezaki/pdf/3D_and_weaklearning.pdf
1 MIL Machine Intelligence Lab. 3D物体認識と 弱教師付き学習 2014/06/18 10:30 – 12:00 知能情報論 原田研究室 助教 金崎朝子 2 MIL Machine Intelligence Lab. • 2008年3月 東京大学工学部機械情報工学科 國吉・原田研にて 学部卒業 • 2010年3月 國吉・原田研にて 修士課程修了（情報理工学） • 2013年3月 國吉・原田研にて 博士課程修了（情報理工学） • 2013年4月 原田研誕生 • 2013年4月～11月 （株）東芝研究開発センター 正規職員 • 2013年12月～ 原田研の助教 自己紹介 3 MIL Machine Intelligence Lab. ロボットによる生活支援（掃除とか） モチベーション チョット通リマスヨ サッ 理想 現実 人のためにロボットがお片付けする ロボッ
Book Flipping Scanning
ブックフリッピングスキャニングのプロトタイプ 概要 デジタル書籍の市場が全世界で急速に拡大している．しかし，紙に印字された従来の書籍を，高速かつ手軽に電子化するための技術力はそのニーズに対して十分でない．超高速な書籍の電子化技術は，ビジネスから日常まであらゆる局面に対して影響を与える強力なものである．次世代のスキャナは，シンプルな構成の下，手軽で高速な読み取りを実現することが求められている．鍵となるポイントは，複数のページの書籍情報を読み取る際にいかにユーザの作業負担を減らすことができるか，にあると考えられる． 提案する「ブックフリッピングスキャニング」は，ユーザによるページめくり中に，紙面の動きを止めることなく，連続的に書籍を読み取る新しい技術である．ブックフリッピングスキャニングのアプローチは強力であり，様々な応用形態を提供しうると考えられる． 開発したシステムは，高速に変形する紙面の
CG技術による「質感」情報を脳はどのように処理しているのか - 蝉コロン
科学「良い科研費の申請書の書き方」的な話で研究課題のタイトルを良く考えて付けましょうというのがある。計画全体をよく表していて、ちょっと気を引くようなの。で、最近「質感脳情報学」という新学術領域研究課題のキックオフシンポジウム告知ポスター*1を見て、なんじゃろうかと気になってしまった。 HPはこちら→http://shitsukan.jp/ フルネームは「質感認知の脳神経メカニズムと高度質感情報処理技術の融合的研究」英語ではBrain ans Information Science on SHITSUKAN (material perception)と"shitsukan"押しなのがちょっと興味深い。@shitsukanもあるでよ。あまりつぶやいてないけれど。 どういう研究なのか、ちょっと長いけど引用すると、本研究領域のねらい私たちはある物体を見ただけで、その素材について、金属、プラスチック
Web上の膨大な写真からローマを1日で構築する方法 - A Successful Failure
前回、『写真に基づく3D空間構築手法の到達点』としてバラバラの写真から3D空間を構築する手法について取り上げた。コメントで言及された人もおられたが、MicrosoftはPhotosynthとして、同様にStructure-from-Motion (SfM)を用いて写真をつなぎ合わせ、インタラクティブにブラウズできるPhotosynthを公開している。 Photosynth Overhead View on Vimeo Photosynth + Bing Maps on Vimeo 現在、研究レベルではWeb上にアップされた不特定多数のユーザによる膨大な写真から街一つを再現するプロジェクトが推進されている。その名も"Building Rome in a Day"（ローマを一日にして成す）だ。下の動画はFlickr検索された画像から生成された3Dモデルを示している。本エントリでは、論文*1に基
写真に基づく3D空間構築手法の到達点 - A Successful Failure
一昔前は実世界の建築物を元にウォークスルー可能な3D空間を構築しようと思ったら、まず各部屋の形状を計測器を用いて計測し、その計測結果に基づいて人手でモデル化し、領域ごとにテクスチャを貼り、照明を設定して……と気の遠くなるような作業が必要だった。3D空間の構築は極めてコストの高い作業だったが、近年では2次元画像（実写写真）に基づいた3D空間の構築手法が長足の進歩を遂げており、以前に比べれば極めて低コストに3D空間を構築する事が可能となっている。 【告知】Twitterはじめました。@LunarModule7です。 興味のあるかたはフォローくださいとしばらく宣伝。 今ではバラバラに撮影した写真から、全自動で3D空間を構築し、内部を自由にウォークスルーできるようになっている。ワシントン大学とMicrosoft Reseachが2009年に発表した研究*1は現時点における集大成とも言えるものとなっ
Cambridge University Engineering Department - Qi Pan
ProFORMA: Probabilistic Feature-based On-line Rapid Model Acquisition [Home] [2009 BMVC Paper (6.3MB)] [BibTeX] Off-line model reconstruction relies on an image collection phase and a slow reconstruction phase, requiring a long time to verify a model obtained from an image sequence is acceptable. We propose a new model acquisition system, called ProFORMA, which generates a 3D model on-line as the
３次元手ぶれ補正（知覚補正付き） - potasiumchの日記
（ちょっと遅ればせながら）今年のSIGGRAPHで発表された手ぶれ補正アルゴリズムは面白いと思った。素人が撮ったぶれぶれのビデオを後からソフトウェア的に修正してくれるというもの。ウィスコンシン大学とアドビ社の共同研究。 Content-Preserving Warps for 3D Video Stabilization Feng Liu, Michael Gleicher, Hailin Jin and Aseem Agarwala SIGGRAPH 2009 枠組みとしては、まずビデオ動画から特徴点抽出を行い、３次元的なカメラの動きの情報を得る。そこからカメラが理想的な（ぶれぶれでない）軌跡をたどったとしたら見えたであろう景色を再構成するべく、画像を局所毎にリマッピングしよう、というもの。ただし単純に再構成だけを考えてリマッピングすると情景自体が変わる部分（被写体が動いて隠蔽箇所が変化
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。
Imager::AnimeFaceのページ
Perlから(も)使える静止画を対象としたアニメ顔検出ライブラリです。※Ruby版もできました。 ここは主に技術的な内容について紹介するページになっています。 ライブラリの使い方や機能の紹介は Perlでアニメ顔を検出＆解析するImager::AnimeFaceにあります。この記事は僕自身が書いてます。 （画像はヤスヒロさん撮影の写真) もくじ アニメ顔検出とは？ Imager::AnimeFaceとは？ より詳しい説明 デモ ダウンロードとインストール アニメ顔検出とは？ アニメ顔検出とは、無作為に提示されたひとつの画像データの中に存在する全てのアニメ顔の位置を見つけることです。多様なアニメ顔をひとつの顔クラスとし、画像上のさまざまな領域について『顔』と『顔以外』に正確かつ高速に分類する問題になります。 多くの場合、1枚の画像には0～20個程度の顔しか存在していません。これに対して顔以外
Perlでアニメ顔を検出＆解析するImager::AnimeFace - デー
というのを作ったので自己紹介します。 2月頃から、コンピュータでアニメ顔を検出&解析する方法をいろいろ試しつつ作っていて、その成果のひとつとして、無理やり出力したライブラリです。 はじめに はじめにざっとライブラリの紹介を書いて、あとのほうでは詳細な処理の話を僕の考えを超交えつつグダグだと書きたいと思います。 Imager::AnimeFaceでできること Imager::AnimeFaceは、画像に含まれるアニメキャラクター的な人物の顔の位置を検出し、さらに目や口など顔を構成する部品位置や大きさの推定、肌や髪の色の抽出を簡単に行うことができるライブラリです。 これらが可能になると、 画像から自動でいい感じのサムネイルを作成できる 動画から自動でいい感じのサムネイルを作成できる 自動的にぐぬぬ画像が作れる 自動的に全員の顔を○○にできる 顔ベースのローカル画像検索 など、最新鋭のソリューシ
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
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
Precision Landmark Location for Machine Vision and Photogrammetry
Landmark-Based Image Analysis
A Tutorial on Mathematical Morphology
Amazon.co.jp: Applications of X-ray Computed Tomography in the Geosciences (Special Publication): Geological Society Publications: 本
Amazon.co.jp: New Techniques in Sediment Core Analysis (Geological Society Special Publication): Rothwell, R. G.: 本
redirect
PhotoNet Home
アニメ顔の色情報に基づいた画像検索 - Imager::AnimeFace demo
http://www.cbsr.ia.ac.cn/users/szli/mrf_book/book.html
Amazon.co.jp: Image Analysis, Sediments and Paleoenvironments (Developments in Paleoenvironmental Research, 7): Francus, Pierre: 本