ActionScript で屈折レンダリング＋Molehill雑感 - Simple Inspiration
今回はわりと本気ネタ．まじめに屈折レンダリングをやってみました． Clear Water with refraction rendering | Si+ (wonderfl.net) Fork元のネタはsaharanさんの3D水面 / Water 3D - wonderfl build flash onlineで，うまくパラメータ調節されてて非常に良い感じに水面の挙動が表現されていたので，反射マップだけではもったいないなと思い，屈折レンダリングと合成して水を表現してみました． やり方自体は頭の中にあったのですが，ちゃんとした数式にしてコードまで落とし込んだのは初めてでした．トライアンドエラーでなかなか苦労したのですが，おかげでかなりリアルな水が描画できてると思います． 今回は要素技術を解説するとエラく長くなりそうなので，概要だけ簡単に説明してみます． 無色透明な液体をレンダリングする際の要
3日で作る高速特定物体認識システム (1) 物体認識とは - 人工知能に関する断創録
情報処理学会の学会誌『情報処理』の2008年9月号（Vol.49, No.9）に「3日で作る高速特定物体認識システム」という特集記事があります。OpenCVを用いた面白そうなプロジェクトなのでレポートにまとめてみようと思います。3日でできるかはわからないけど。 残念ながらこの記事はPDFを無料でダウンロードすることができません（CiNiiでオープンアクセス可能になったみたいです）。なので会員以外で元記事が読みたい人は図書館でコピーする必要があるかも・・・また、2009年9月号の人工知能学会誌にも物体認識の解説「セマンティックギャップを超えて―画像・映像の内容理解に向けてー」があります。こちらも非常に参考になりますが同様にPDFが手に入りません・・・。他にもいくつかわかりやすい総説論文へのリンクを参考文献にあげておきます。 物体認識とは 物体認識（object recognition）は、画
SIFT Tutorial
藤吉弘亘. "Gradientベースの特徴抽出 - SIFTとHOG - ", 情報処理学会 研究報告 CVIM 160, pp. 211-224, 2007. Scale-Invariant Feature Transform(SIFT) は，特徴点の検出と特徴量の記述を行うアルゴリズムである． 検出した特徴点に対して，画像の回転・スケール変化・照明変化等に頑健な特徴量を記述するため，イメージモザイク等の画像のマチングや物体認識・検出に用いられている． 本稿では，SIFT のアルゴリズムについて概説し，具体例としてSIFT を用いたアプリケーションや応用手法への展開について紹介する．また，SIFT と同様にgradient ベースの特徴抽出法であるHistograms of Oriented Gradients(HOG)のアルゴリズムとその応用例として人検出についても紹介する． Scal
Sand
Top page Sand What is Sand? How to move? What is Sand? The "Sand" is the accesory that sand flows up to down. You can draw and erase the wall, append and delete sand, and customize how the sand particles move. iPhone Sand movie on html5 How to move? Sand particle decides which to move by status around particle. For example... If there are nothing on all direction (up, down, left, and right), the s
画像修復プログラムを作った
OpenCVを使って、欠損領域を含む画像に対して画像修復を行うプログラムを作成しました。参考にした論文はこちらです。かなりGreedyで時間のかかるアルゴリズムですが、結果画像のクオリティは高いです。 Y. Wexler, E. Shechtman and M. Irani, Space-Time Video Completion. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Washington, June 2004. 入力画像がこちら。 赤色正方形の部分を欠損領域として指定しています。 修復結果がこちら かなりのクオリティで修復できているのが分かりますね。アルゴリズムとしては、先日紹介した４種類のうち４番目の「テクスチャの全体最適化による画像修復」に相当します。 このアルゴリズムの基本的なアイデア
経路探索アルゴリズムの「ダイクストラ法」と「A*」をビジュアライズしてみた - てっく煮ブログ
as詳解 ActionScript 3.0アニメーション ―衝突判定・AI・3DからピクセルシェーダまでFlash上級テクニック を読んでいて、経路探索のアルゴリズムで A* が取り上げられていました。A* については、いろいろ検索して調べたりもしたのですが、やっぱり本に書いてあると理解しやすいですね。せっかくなので自分流に実装してビジュアライズしてみました。ダイクストラ法まずは A* の特別なケースでもあるダイクストラ法から見ていきます。クリックすると探索のシミュレーションが開始します。スタート地点(S)からゴール(G)への探索が始まります。色がついたところが「最短経路が決定した場所」です。スタート地点から少しずつ探索が完了していきます。半分ぐらい完了しました。まだまだ進みます。最後まで終わりました。最短経路を黒色矢印で表示しています。ダイクストラ法は、スタート地点から近いノード(=マス
k-means++を試し中 - のんびり読書日記
http://d.hatena.ne.jp/kaiseh/20090113/1231864089 上の記事を見て、k-means++が面白そうだったので、ちょっとだけ試してみた。 k-meansは初期値に大きく依存するところが嫌い。初期値への依存度を軽減するために、初期値を変えて何回か試行してその中で一番良い結果のものを使用する、なんてことをしないといけない。そのため処理時間も馬鹿にならなくなってしまうので、ちょっとこれじゃあなあ…ということで使ってなかった。 でも今回のk-means++は初期値をうまく求めることで、精度と速度の向上が得られるらしい。これはうれしい！ 論文著者のページにサンプルコードがあったので試してみようと思ったんだけど、MFCを使っているみたいで僕の環境ではコンパイルできず…。 http://www.stanford.edu/~darthur/kMeansppTest
k近傍法 - プログラムに組込み可能なライブラリ
k近傍法とは？ k近傍法では対象となるオブジェクトに対して、そこから最も近いk個のオブジェクトの中で一番多いものを割り当てます。例えば右の図で赤い点の値はk＝３の場合に緑と同じ値が割り当てられます。同様にk=７の場合には青と同じ値が割り当てられます。k=1にした場合は特に最近傍法と呼ばれます。 NAGが提供するk近傍法 データレコードxを与えた場合に、その従属変数に対応した値が未知の場合、 k最近傍モデル(k-nearest neighbour model) ではトレーニングデータ中から x に類似する k 個のデータレコードを抽出します。 x とトレーニングレコード間の類似性は独立変数上で計算される距離関数によって測られます。 その場合従属変数の値は k 個の最近傍データの中で最も高い確率を持ったクラス値に設定されます。 個々のクラス値に対し事前確率を設定することもできます。 データレコ
Spaghetti Source - 各種アルゴリズムの C++ による実装
ACM/ICPC（プログラミングコンテスト）系列の問題を解くことを目標にして，各種アルゴリズムを C++ で実装してみた．極めて意地が悪い類の問題には対応していないし，特定の入力に対して高速に動くということもない．計算量も最良とは限らない． これらを参考にする方への注意とお願い： これらの記述は正確とは限りません．参考文献を参照することを強く推奨します．間違っている場合は是非教えてください． これらのプログラムは間違っているかもしれません．各人で検証することを強く推奨します．バグがあれば是非教えてください． 分類が怪しいので，これはこっちだろう，ということがあればコメントを下さると助かります． 注意！ 現在書き換え中 TODO 分類を正しく行う． 全体的に説明と使い方を詳しく． Verify していないものを Verify． ボロノイ図（いつになることやら……） 基本 テンプレート グラフ
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
離散ボロノイ図と波面法アルゴリズム
サービス終了のお知らせ
ゲームつくろー！