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。
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
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
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
Reference Manual OpenCV-2.x(svn) C: リファレンス日本語訳 C++: リファレンス日本語訳 OpenCVチートシート(C++)（訳） OpenCVユーザガイド（訳） Python: リファレンス日本語訳 Google Test-1.6 Google Test ドキュメント日本語訳 Google Mock(svn) Google Mock ドキュメント日本語訳 OpenCV-2.2(r4295相当) C: リファレンス日本語訳 C++: リファレンス日本語訳 OpenCVチートシート(C++) （訳） Python: リファレンス日本語訳 OpenCV-2.1(r2997相当) C: リファレンス日本語訳 C++: リファレンス日本語訳 OpenCVチートシート(C++) （訳） Python: リファレンス日本語訳 OpenCV-1.1pre C/C++:
運営元のロゴ Copyright © 2007-2024 All Rights Reserved by Gijutsu-Hyoron Co., Ltd. ページ内容の全部あるいは一部を無断で利用することを禁止します。個別にライセンスが設定されている記事等はそのライセンスに従います。
Learn essence of "Computer Vision: Models, Learning, and Inference"
攻殻機動隊ネタ
視覚デバイス（ＵＳＢカメラなど）をリアルタイムでハッキングし、おなじみの笑い男マークを表示します。 顔の肌色領域を自動抽出して顔の部分にマークを表示します。肌色に近い暖色系 の色の服を着てますとそれに引き付けられて表示位置がズレます。ここはやっぱり青いコートで！ 単なるジョークソフトなのでスクリーンショットを撮ったりして遊んでください。 使い方 USBカメラ（あるいはキャプチャデバイス）がPCに接続されている状態にしてください。 準備ができたらソフトを起動してください。 「Start」：映像の表示を開始します。 「Stop」：映像の表示を停止します。 「Intercepter」：視覚素子をハッキングして笑い男マークを表示します。 「Snapshot」：表示されている画像をBMPファイルに保存します。 「Exit」：ソフトを終了します。 顔の位置を検出する方法として最も簡単なのが「肌色」を見
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
■ ページが見つかりません 以下の項目についてもう一度お確かめください。 ・ URLは間違っていないか （大文字小文字などの入力ミス、参照ページの記載ミスなど） ・ リンクが切れていないか （引っ越しした、削除されたなど）
【Pythonデータ分析勉強会#33】「DearPyGuiに入門しました」の続き～Image-Processing-Node-Editor～
ラベリング手法 † 画像処理において，ラベリングを使うことはよくある． ただ，OpenCVではラベリングに関する関数は定義されていません． そこで，奈良先端科学技術大学院大学の井村さんという方が作成されたLabeling.hを使います．(入手先) あと，これを参考にサンプルプログラムを作成されたmasayoshiさんのサイトを参考にします． プログラムでは，Labeling.hを呼出し， ラベリングを使う関数の中で以下のようにラベリングクラスを呼び出します． LabelingBS labeling; ここでは簡単のため，ラベリング変数はlabelingとしました． あとは，ラベリングを行う関数で，実行するだけです． IplImage *src; .... IplImage *dst = cvCreateIMage( cvGetSize( src ), IPL_DEPTH_16
Four years after partnering with Apple on the launch of the Apple Card, Goldman Sachs may be eyeing the exits. The Wall Street Journal reports that Goldman is “looking for a way out” of it
あけましておめでとうございます。以前このgihyo.jpで「OpenCVで学ぶ画像認識」というタイトルで連載をさせていただいた皆川です。 今回、技術評論社様から「コンピュータ・ビジョンの今」についての執筆依頼をいただきました。私が普段ウォッチしている業界や技術分野には偏りがあるため、俯瞰的な形での解説は難しいかもしれませんが、私の独断と偏見で最近の動向についてまとめてみたいと思います。 ここでは、主に以下の3点について述べさせていただければと思います。 ビジネスでの動向 アカデミックでの動向 コミュニティでの動向 「コンピュータ・ビジョンってなに？」という方は、「OpenCVで学ぶ画像認識」の第1回をお読みください。 ビジネスでの動向 拡張現実感（AR） 昨年、IT業界で間違いなく一つの流行語となったのは“拡張現実感（AR: Augmented Reality）”でしょう。ARは現実
類似画像検索に関する情報 目的 優れた画像類似検索エンジンを探しています。この手のものは今後重要性を増していくと思うのですが、現在のところ自由に使え、実用的、優れたものを見たことがありません。もし見つかればそれを使うつもりですが、無ければ自分で作ってみようと思っています。もしうまくいけばオープンソースとして公開したいな、と思っています。（画像処理の勉強にもなるし:-） 現在進行中 imgSeekが使いものになりそうなので、現在そのソースコードの一部を使用して、Windowsのコマンドラインで動作するものを作成中！ ソフト 画像処理関連のソフトの一覧 ImageMagick 今ではWindows版もある。ImageMagickのわかりやすい紹介 imgSeek 画像管理・Viewer。類似画像検索には multi-resolution wavelet decomposition を使っている
opencv(日本語ドキュメント)と、perlから利用するためのモジュールImage::ObjectDetectを使って独自の画像を認識させる方法のメモ。 まず、Ubuntuでのインストール opencvはシステム→システム管理→Synapticで,編集→検索から"opencv”と入力する。libcv-dev、libcv1などが表示されるので、ダブルクリックで選択して、適用ボタンを押すと、関連するパッケージ一式が/usr/share/opencv以下あたりにインストールされます。 次にperlからopencvを使うためのImage::ObjectDetectは、 sudo cpan Image::ObjectDetect Imageropencvがインストールされていないと、エラーが出るので、順番はopencv→Image::ObjectDetectの順で。 顔認識 OpenCVを使って画
（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
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
概要 † コンピュータビジョンや拡張現実感という技術は，かつてはとても高価やカメラやコンピュータを必要とし，一部の研究者の手によって研究が進められてきたわけですが，いまや安価で高性能なWebカメラやPC，そしてさまざまなライブラリの存在によって，DIY感覚で誰でも参戦できる時代がやってきました．そのような背景から，アマチュアから本職の方までごちゃまぜでユニークな作品発表や技術談義をやるべくこの勉強会が生まれました．昨年8月に第1回を開催し，電脳コイルやARToolKitを中心とする話題で盛り上がりました（前回の勉強会サイト）． 第2回となる今回は「VR→AR→?R」をメインテーマに，次世代のARや，ARの次に来るかも知れないモノのエキセントリックなアイデアを募集します．「マーカの上にただCGを出すのにはもう飽きた！！」という方の挑戦をお待ちしています． ↑ 開催日・会場 † 2009年6
CVPR2020 Report
2020/06/14〜2020/06/19にオンラインで開催されたコンピュータビジョン分野の世界最大の国際会議CVPR2020に、DeNAとMoTの研究開発エンジニア10名（濱田晃一、林俊宏、洪嘉源、唐澤拓己、木村元紀、宮澤一之、夏目亮太、鈴木達哉、Sergey Tarasenko、横尾修平）が参加しました。 本資料では、オンライン参加の様子や採択論文の傾向とともに、注目度や有益性の高かったものを中心に42本の論文を解説します。また、本会議の前後で開催されたワークショップについてもいくつか取り上げます。
柔らかな情報処理のための統計的手法の応用に関する研究 A STUDY ON APPLICATIONS OF STATISTICAL METHODS TO FLEXIBLE INFORMATION PROCESSING
次へ: Synopsis 柔らかな情報処理のための統計的手法の応用に関する研究 A STUDY ON APPLICATIONS OF STATISTICAL METHODS TO FLEXIBLE INFORMATION PROCESSING 栗田 多喜夫 Takio KURITA visitors since Jul. 19, 2002. Synopsis 序論 多変量データ解析の理論 はじめに 記号と定義 数量化法の非線形への拡張 数量化１類とその非線形への拡張 数量化２類とその非線形への拡張 非線形の数量化２類と数量化３類の関係 交差係数行列の固有値問題 数量化４類との関係 距離について 多変量データ解析手法の非線形への拡張 非線形重回帰分析 非線形判別分析 非線形正準相関分析 線形近似としての線形データ解析手法 条件つき確率の線形近似 近似としての重回帰分析および数量化１類 近似
統計的画像処理手法
次へ: はじめに 統計的画像処理手法 栗田多喜夫 脳神経情報研究部門 産業技術総合研究所 E-mail: takio-kurita@aist.go.jp visitors since Feb. 14, 2001. 概要: 統計的手法は、画像 処理でも基本的な道具として、さまざまな場面で利用されている。本稿では、 基本的な統計的手法、特に、多変量データ解析手法および最近画像処理でも盛 んに使われるようになってきたロバスト統計、EMアルゴリズムやモデル選択手 法などの統計手法の考え方と画像処理への利用方法について、具体的な応用例 を示しながら概説する。
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
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
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Awesome-deep-vision
Awesome-deep-vision : A curated list of deep learning resources for computer vision View on GitHub Awesome-deep-vision A curated list of deep learning resources for computer vision Download this project as a .zip file Download this project as a tar.gz file Awesome Deep Vision A curated list of deep learning resources for computer vision, inspired by awesome-php and awesome-computer-vision. Mainta
Page maintained by Ke-Sen Huang with lots of help from Tim Rowley. If you have additions or changes, send an e-mail. Information here is provided with the permission of the ACM. Note that when possible I link to the page containing the link to the actual PDF or PS of the preprint. I prefer this as it gives some context to the paper and avoids possible copyright problems with direct linking. Thus y
思うところあってこんな本を読んでいる。 錯覚とかの現象から推察される、「目で見た物を脳がどう認識しているか」という研究成果に関する本。 網膜から入ってくる情報は100メガピクセルくらいのラスタデータに過ぎないわけで、それを脳の視覚処理部分がいろいろと処理して、脳内で最終的に三次元の空間データとして再構成しているわけだ。（これをVisual Intelligence、VIとこの本では称する） いろいろある原理に基づいてVIは網膜からのラスタデータを三次元データとして解釈しているらしく、 ・ラスタデータ上の直線は３Ｄ的にも直線と見なす ・先端が接している直線は３Ｄ的にも接していると見なす ・ゆるやかな明るさの変化は法線ベクトルの変化と見なす ・急激な明るさの変化は表面材質の変化とみなす ・なるべく少ない光源が図上にあるものとして明るさの変化を解釈する こういったルールで、ラスタデータは
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
OpenCV : Open Source Computer Vision Library Community
This website is for discussion related to the Open Source Computer Vision Library and/or to computer vision in general. NEW (Oct 3, 2008): OpenCV Book published by O'Reilly: Learning OpenCV, Computer Vision with the OpenCV Library Learning OpenCV Amazon Learning OpenCV O'Reilly =========================================> OpenCV was of key use in the vision system of "Stanley" http://www.stanford
PhotoSketch: Internet Image Montage « Ming-Ming Cheng （程明明）
Tao Chen 1 Ming-Ming Cheng 1 Ping Tan 2 Ariel Shamir 3 Shi-Min Hu 1 1 TNList, Department of Computer Science and Technology, Tsinghua University 2 National University of Singapore 3 The Interdisciplinary Center Abstract: We present a system that composes a realistic picture from a simple freehand sketch annotated with text labels. The composed picture is generated by seamless
http://people.mozilla.com/~prouget/demos/tracker/tracker.xhtml
Args: Threshold (0 -> 255) Work factor Zoom factor Sensibility Display video Display diff Matrix: Sobel Kirsch Harris fps
コンピュータビジョン特論
コンピュータビジョン特論(Advanced Computer Vision)月曜2時限 担当教員 呉海元 教授・加藤丈和 講師 授業の概要 コンピュータを用いて、入力された画像を扱うための、基礎知識を修得する。まず、画像の特徴抽出と記述 の手法を学ぶ。次に，カメラを用いた3次元計測や認識の基礎を学び、それぞれの原理と手法の有効性や制約をコンピュータビジョンなどの関連分野での最新動向と共に紹介する。 授業の位置づけ コンピュータビジョンにおける画像処理や理解の技術について、基礎理論と最近の研究動向を学ぶ。 ガイダンス・画像処理、認識、理解研究の歴史と現状（加藤） デジタル画像の扱い・OpenCVの使い方（加藤） OpenCVの入手方法、インストール方法、リファレンス 画像特徴（点、直線、領域）の検出と識別−1 画像特徴（点、直線、領域）の検出と識別−2 画像特徴（点、直線、領域）の検出と識別
William A. Anders, the astronaut behind perhaps the single most iconic photo of our planet, has died at the age of 90. On Friday morning, Anders was piloting a small…
Choose a pattern: Video: Image: Image: Canvas: Your text: Your drawing: 3
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
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
写真に基づく3D空間構築手法の到達点 - A Successful Failure
Perlでアニメ顔を検出＆解析するImager::AnimeFace - デー
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
OpenCV.jp
OpenCVで学ぶ画像認識 記事一覧 | gihyo.jp
アニメ顔の色情報に基づいた画像検索 - Imager::AnimeFace demo
コンピュータービジョンの無料チュートリアル - ベイズ推定とグラフィカルモデル：コンピュータビジョン基礎1
access_error
Deep Learningライブラリ 色々つかってみた感想まとめ
OpenCV - Shunsuke Yamamoto Wiki
TechCrunch | Startup and Technology News
コンピュータ・ビジョンの業界動向 | gihyo.jp
http://homepage3.nifty.com/TaN/prog-image.html
opencvで顔認識でなくて独自の画像認識する方法 - pomo123の日記
３次元手ぶれ補正（知覚補正付き） - potasiumchの日記
開催概要 - コンピュータビジョン・拡張現実感に関する普通じゃない勉強会 2.0
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
Caffeで始めるディープラーニング
SIGGRAPH 2008 Papers
おたくの旅路: 認知科学とアニメとトゥーンシェーディング
http://www.vision.cs.chubu.ac.jp/joint_hog/pdf/HOG+Boosting_LN.pdf
TechCrunch | Startup and Technology News
http://vision.kuee.kyoto-u.ac.jp/~yosimoto/opencv/opencv-howto/
Dynamic Content Injection
Amazon.co.jp: コンピュータビジョン最先端ガイド1[CVIMチュートリアルシリーズ] (CVIMチュ-トリアルシリ-ズ): 倉爪亮 (著), 石川博 (著), 加藤丈和 (著), 佐藤淳 (著), 三田雄志 (著), 八木康史 (編集), 斎藤英雄 (編集): 本
![Amazon.co.jp: コンピュータビジョン最先端ガイド1[CVIMチュートリアルシリーズ] (CVIMチュ-トリアルシリ-ズ): 倉爪亮 (著), 石川博 (著), 加藤丈和 (著), 佐藤淳 (著), 三田雄志 (著), 八木康史 (編集), 斎藤英雄 (編集): 本](https://cdn-ak-scissors.b.st-hatena.com/image/square/5b0a6191e26e7c7e30886b92de029afc3ae60aab/height=288;version=1;width=512/https%3A%2F%2Fm.media-amazon.com%2Fimages%2FI%2F51CRfdvj4bL._SL500_.jpg)