Flashでグニグニ曲がるUIを作る方法 - しっぽのブログ
前にtwitterアイコンやpixivの画像をプヨプヨすることのできるpuyopixというコンテンツを作りました。 Puyopix -プヨプヨにするよ- このページの右上にあるブログパーツもこれです。 解説をやると言っておいて、ずっと書いていなかったので書きます。 あんまりコードだらけにしても面白くないし、方法の概念的なものを図を交えながら説明していきます。 画像をプヨプヨする方法の概要と、それをUIに応用する方法です。 プヨプヨの実装 骨組みを作る 格子状バネという、わりと普通の実装をしています。 格子状に並んだ各点をばねのように接続します。 バネはお互いの点の距離が一定になるように、２つの点に逆方向の力をかけます。 フックの法則というのがあって、「F = -kx」とかいう式もありますが、プログラムとしての感覚は「本来あるべき距離の方向へ、ズレた分の○%だけ加速度をつける」って感じになり
TEOライブラリによる画像処理プログラミングガイド
アルゴリズム編 「構造編」も終りTEOプログラミングにも慣れてきましたか? 「アルゴリズム編」では，画像処理で頻繁に用いられるフィル タリングや画像の拡大・縮小の方法について扱います．この節の最後の 課題では今まで学習したことを応用してモザイク画像の生成を行います． なお本節ではソースは掲載しません．アルゴリズムとプログラミングの 際の注意事項を示しますので各自で挑戦してみて下さい． この節の扱う課題の次のようになっています． ラプラシアンフィルタ ガウシアンフィルタ 画像の拡大・縮小 画素値の内挿 モザイク画像の生成 ラプラシアンフィルタ [アルゴリズム] ラプラシンフィルタは画像の鮮鋭化やエッジ検出に使用されるフィルタ です．ラプラシアンとは2次微分の意味です．画像の2次微分は次のよう に行います．Bを注目画素とする．両隣の画素A, Cとの差分をとすると，これらは次式で表 せる．ただし
画像処理におけるアルゴリズム
ここでは各画像処理におけるアルゴリズムを簡単に解説する。 2値化 明るさ調整 色成分の抽出 色反転 コントラスト調整 切り出し ガンマ補正 グレイスケール化 増色 画像枠付加 鏡像反転 ノイズ除去 輪郭抽出 輪郭追跡 拡大縮小 任意角回転 セピア調化 ぼかし 2値化 指定画像を白と黒の2階調の画像に変換する処理であり、本研究で作成した2値化処理は単一手動閾値方式、P-タイル法、また、誤差分散法およびその拡張型である Floyd&Steinberg 型誤差分散、Jarvice,Judice&Ninke 型誤差分散の5つである。 次にそれぞれのアルゴリズムについて解説する。 単一手動閾値方式 指定された色深度を基準として、その値より入力画素の色深度値が明るければ白、暗ければ黒色として2値化する。下の式を用いている。 このとき、出力画像は初期状態で黒色となるので、入力画像の画素値が閾値以
NYから東京まで何マイル？Google検索で都市間の直線距離を表示 ｜ SEOモード
Google+にて、Google検索で「how far is it from A to B」で検索するとAとBの都市間の直線距離を表示できるようになったとの投稿がありました。 実際にやってみたところ、こんな風に表示されました。 こちらは「NYと東京の距離」。 これまでも下図のように移動距離は表示していましたが、（私が調べた限りでは）交通手段があって、アクセス可能な場合に限られていたようです。 いずれにしても、この直線距離の表示はまだ日本語環境では導入されておらず、英語環境でも「How far is it from London to New Delhi（ロンドンとニューデリーの距離）」では表示できなかったので、一先ずは限定的な提供のようですね。 ※こちらの記事は最初別のタイトルで公開されましたが、私の勘違いが含まれていたので、書き直して再投稿いたしました。 最初の記事を読まれた方にはご迷惑
一番右端の立っているビット位置を求める「ものすごい」コード - 当面C#と.NETな記録
一番右端の立っているビット位置(RightMostBit)を求めるコードで速いのないかなーと探していたら、ものっっっすごいコードに出会ってしまったのでご紹介。2ch のビット演算スレで 32bit 値のコードに出会って衝撃を受けて、その後 64bit 値版のヒントを見つけたのでコードを書いてみました。 この問題は ハッカーのたのしみ―本物のプログラマはいかにして問題を解くか (Google book search で原著 Hacker's delight が読めたのでそれで済ませた) で number of trailing zeros (ntz) として紹介されています。bit で考えたときに右側に 0 がいくつあるかを数えるもの。1 だと 0、2 だと 1、0x80 なら 7、12 なら 2 といったぐあい。0 のときに表題どおりの問題として考えるといくつを返すの？ってことになるので、
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。
検索エンジンのアルゴリズムとは? 過去6年の変遷にみる順位決定の仕組み | Web担当者Forum
アルゴリズム検索の結果を相手に仕事をしている検索マーケティング担当者の大多数は、自分たちが少なくとも検索エンジンの「最新アルゴリズムを把握している」と主張しているし、僕がこれまでに聞いた（あるいは、そういう意味で言えば、担当した）クライアント仕事では、9割方この話が少なくとも1回は話題に上っていた。 しかし、この点については、まだ多くの点で本当のことがわかっておらず、最近SEOに手を染めたばかりの人たちにとっては、おそらく最も気の重い側面だろうと思う。 というわけで、みんなの苦労を少しでも軽くするため、しょっちゅう変わり続ける検索エンジンの検索結果算定式に、どうすれば遅れを取らずにいられるかという問題に関して、みんなが持つ共通の疑問に答えておいたほうがいいんじゃないかと思ったんだ。 アルゴリズムとは何か？ グーグル、ヤフー、マイクロソフトは、それぞれどのようにして、検索アルゴリズムを検索結
GC - GCアルゴリズム詳細解説 - livedoor Wiki（ウィキ）
GC¥¢¥ë¥´¥ê¥º¥à¾ÜºÙ²òÀâ ÆüËܸì¤Î»ñÎÁ¤¬¤¹¤¯¤Ê¤¤GC¥¢¥ë¥´¥ê¥º¥à¤Ë¤Ä¤¤¤Æ¾ÜºÙ¤Ë²òÀ⤷¤Þ¤¹ ¥È¥Ã¥×¥Ú¡¼¥¸¥Ú¡¼¥¸°ìÍ÷¥á¥ó¥Ð¡¼ÊÔ½¸ GC ºÇ½ª¹¹¿·¡§ author_nari 2010ǯ03·î14Æü(Æü) 20:47:11ÍúÎò Tweet ¤³¤ÎWiki¤¬Ìܻؤ¹½ê GC¤È¤Ï¡© GC¤ò³Ø¤ÖÁ°¤ËÃΤäƤª¤¯»ö ¼Â¹Ô»þ¥á¥â¥ê¹½Â¤ ´ðËÜ¥¢¥ë¥´¥ê¥º¥àÊÔ Reference Counter Mark&Sweep Copying ±þÍÑ¥¢¥ë¥´¥ê¥º¥àÊÔ IncrementalGC À¤ÂåÊÌGC ¥¹¥Ê¥Ã¥×¥·¥ç¥Ã¥È·¿GC LazySweep TwoFinger Lisp2 Pa
商品検索のエキスパートが精度向上に選んだ「人の目利き」
ビカムは2月1日、商品検索サイト「BECOME JAPAN」の正式サービスを開始した。1万店以上の店舗の商品1000万点を扱い、商品情報検索と価格比較が同時にできる点が特徴だ。BECOME JAPANは米Becomeが海外展開する初めてのサービスで、独自のアルゴリズムであるAIR（Affinity Index Ranking：類似性インデックス・ランキング）テクノロジーを利用している。 米Becomeの創業メンバーの1人で会長兼CTOを務めるYeogirl Yun氏は、商品比較サイトのmySimon.com（現在はCNET Networksに買収）や、かつてGoogleへの対抗馬として注目されたWiseNut（その後LookSmartに買収、現在はサービスを終了）の創業者としても知られる。検索技術に精通したYun氏が検索結果の精度を高めるために選んだのは「人間の手によるフィードバック」とい
How Google's Rankings Algorithm Has Changed Over Time - Moz
SEO Learning Center Broaden your SEO knowledge with resources for all skill levels. The Beginner's Guide to SEO If you're brand new to SEO, start here. SEO Q&A Get answers from the Moz Community. Free Downloads and More Quick access to whitepapers, reports, guides, webinars, and case studies. Help Hub Learn how to use Moz products. Community & Events Connect with over 600k online marketers. SEO Tr
意見情報マイニング - PukiWiki
概要 † このプロジェクトでは，インターネット上の膨大な文書集合から個人が発信する意見を抽出し，構造化情報として蓄積することにより，ユーザの関心に合わせて自由に検索したり，分類したり，さらにその価値を評価したりすることができる新しいタイプの情報処理技術の開発を目的として，次の3つの技術を重点的に研究する． 意見情報抽出 テキストから意見情報を抽出し，構造化する技術．本提案における「意見」とは，特定の事物に対する主観的な評価や感情的態度の言語的表明を指す． 類似意見認識 構造化された意見情報の間の等価性・類似性を計算し，検索・分類・集計を可能にする技術． 意見価値評価 ユーザの関心に基づいて各意見情報の関連度と信頼度，すなわち意見の価値を評価する技術． ↑
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
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
http://www.logos.ic.i.u-tokyo.ac.jp/~tau/lecture/software/
Akinator, the Web Genius
http://www.sci.kagoshima-u.ac.jp/~ebqc/miyatake01/
【文献調査】対話型GAを用いた似顔絵作成における髪モデルの検討
Google Scholar