なぜ日本の「青信号」は（本当に）ちょっと青いのか？｜ymg_aq
「青信号って青じゃなくて緑だよね」というのは日本人であれば一度は思ったことがあるはずです。しかし、実は日本の青信号は国際基準から見てもちょっとだけ青いものが多いようです。日本の信号機はなぜ「青・黃・赤」になったのでしょうか？その歴史を紐解きます。 信号機の歴史世界で最初の車用の交通信号機はロンドンで1868年に設置されました。当時はガス式で、馬車の交通整理をするために設置されました。現在の形式の電気式信号機は1918年にアメリカのニューヨークに設置され、当時から赤・黃・緑の3色から構成され、注意喚起を促す黃色は赤と緑の中間にある色として採用されたと考えられています。 ニューヨーク5番街に設置された最初の電気式信号機現在でも、信号機の色は世界中で赤・黃・緑の三色で構成されています。これはCIE（国際証明委員会）によって、交通信号機に割り当てられる色がこの3つの色が指定されているためです（CI
【メイキング】デジタルで透明水彩塗り講座【アイビスペイント】
水彩塗りとは？ 水彩塗りとは「透明度」を巧みに使った重ね塗りや色のぼかしによる柔らかさと「水彩境界効果」を使ったメリハリによって構成される塗り方です。 色を薄く重ねるだけでも「水彩塗り」になりますが、デジタルで水彩を表現する場合は、キャンバスのベースとなる「用紙テクスチャ」や「水彩境界効果」を使いこなすと、さらに本格的な「透明水彩画」を表現することができます。 透明水彩塗り以外の塗り方も以下の記事で詳しく解説しています！ →厚塗り →アニメ塗り →ギャルゲ塗り 1.キャンバスの作成・基本的な使い方 キャンバスの作成 アイビスペイントを起動します。 タイトル画面で①マイギャラリーをタップし、次の作品一覧画面で②「+」ボタンをタップして新しい作品を追加します。 キャンバスサイズの選択シートが表示されます。 今回は、3：4（768×1024px）のキャンバスを選択します。 描画操作 ①ツール選択
ブラウザによって色が異なる「色空間」の不思議な世界
ブラウン管や液晶ディスプレイ、スマートフォン、デジタルカメラでは、赤・緑・青の3種の三原色を組み合わせることで幅広い色を再現するRGBカラーモデルが採用されており、ウェブページや画像の色合いはRGBで「同じ色」になるように指定されています。しかし、ムービーの場合はそもそも同じRGBが出力されないという問題が存在するという点について、ビデオパフォーマンスモニタリングツールを販売するMUXが解説しています。 Your browser and my browser see different colors | Mux blog https://mux.com/blog/your-browser-and-my-browser-see-different-colors/ 色の見え方には観測者同士による差異が存在するため、デジタルの世界では色を定量化するために、赤(R)・緑(G)・青(B)をそれぞれ0
色を科学するシリーズ｜［色彩工学/カラーサイエンス］YoshiColor｜note
色を科学する その⑬ 🌈虹の7色は錐体分光感度が創る 虹の色の話ですが、色彩工学なので、「ニュートンが音階と結び付けて…」ではなく、錐体分光感度との関係を解説します。下手すると虹が3色だった可能性も！ 「色を科学する その⑫」では、下記のような話をしましたが… 実は、単に3種類あればよいというわけではないのです。 感度のオーバーラップが重要 スペクトル＝虹は下記のように、連続的に色が変化し、いわゆる"7色"を呈しています。つまり、380nm-780nmの単色光を見ると、(三色型色覚の人には)このように見えます。 実
シャープの新型ハイエンドスマホ「AQUOS zero」が実現したのは「価値ある軽量」。開発陣にコンセプトと技術的ポイントを聞いてみた - 4Gamer.net
シャープの新型ハイエンドスマホ「AQUOS zero」が実現したのは「価値ある軽量」。開発陣にコンセプトと技術的ポイントを聞いてみた 編集部：小西利明 カメラマン：佐々木秀二 2018年10月，とある移動体通信事業者（以下，キャリア）が行った報道関係者向けの新製品事前内覧会で，面白い一幕があった。会の最後に行われた質疑応答で，新製品のラインナップについて「なぜAQUOS zeroがないのか？」という質問がぶつけられたのだ。 2018年10月3日に，シャープが2018年冬モデル新製品としてAQUOS zeroを発表した数日後というタイミングで，しかもそのキャリアはAQUOSブランドの端末も扱っていただけに，なぜラインナップに注目のハイエンドモデルがないのかというのは，もっともな疑問であっただろう。 だが，そんな質問に出てくるほど，12月21日に発売となるAQUOS zeroは魅力のある端末だ
The biology of color | Science
View ORCID ProfileInnes C. Cuthill1, View ORCID ProfileWilliam L. Allen2, View ORCID ProfileKevin Arbuckle2, Barbara Caspers3, George Chaplin4, Mark E. Hauber5,6, Geoffrey E. Hill7, View ORCID ProfileNina G. Jablonski4, View ORCID ProfileChris D. Jiggins8, Almut Kelber9, Johanna Mappes10, View ORCID ProfileJustin Marshall11, View ORCID ProfileRichard Merrill12, Daniel Osorio13, Richard Prum14, Vie
Color Constancy のアルゴリズム (第1回)
本日は画像処理の中でも割と古典的？と思われるColor Constancyのアルゴリズムをいくつか紹介したいと思います。このアルゴリズムはEbnerの「Color Constancy」という本の7章に紹介されているもので、LandのRetinex理論をベースとしたものです。 紹介するアルゴリズムは HornのアルゴリズムBlakeのアルゴリズムMooreのアルゴリズムRahmanのアルゴリズム準同型フィルタを用いたアルゴリズムFaugerasのアルゴリズムです。 ちょっと長くなってしまいそうなので2回に分けましょうかね。というわけでレッツスタート。 HornのアルゴリズムHornのアルゴリズムはなだらかに色変化する成分が照明光の成分であろうという仮定に基づいて照明の成分を除去します。具体的にはラプラシアンフィルタを適用した後、閾値処理を行うことで得られた信号の2回微分成分をポアソン方程式を
Enhancing human color vision by breaking binocular redundancy
To see color, the human visual system combines the response of three types of cone cells in the retina--a compressive process that discards a significant amount of spectral information. Here, we present an approach to enhance human color vision by breaking its inherent binocular redundancy, providing different spectral content to each eye. We fabricated a set of optical filters that "splits" the r
Deconvolution and Checkerboard Artifacts
When we look very closely at images generated by neural networks, we often see a strange checkerboard pattern of artifacts. It’s more obvious in some cases than others, but a large fraction of recent models exhibit this behavior. Mysteriously, the checkerboard pattern tends to be most prominent in images with strong colors. What’s going on? Do neural networks hate bright colors? The actual cause o
リクルートが機械学習で中古車の内装色を自動解析、ネイルカラー判定技術を応用
カーセンサーnetでは従来、「本体色（外装色）」による検索のみを実装しており、内装色は検索対象にできなかった。市場調査で内装色を重視して中古車を探す人が多いことが分かっていたが、情報を登録する中古車販売店に内装色を新たに入力してもらう負担が課題になったという。 そこで、リクルートテクノロジーズが開発する画像解析APIである「Image Paradise（イメージパラダイス）」を採用。販売店が登録した複数の写真画像を解析し、「（1）内装の画像かどうか」「（2）内装色は何色か」という2段階で自動判定する（図2）。 （1）については、事前に用意した約1万枚の画像を「教師データセット」として解析し、内装画像判別モデルを作成。販売店が登録した画像から、「最も内装画像の確率が高い」ものを特定する。判別精度は約90％という。（2）については、内装画像の中から、ダッシュボードや天井などではなく、シートの部
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
MacAdam ellipse - Wikipedia
Color-opponent mechanisms for local hue encoding in a hierarchical framework
Slide 1
Alpha Matting Evaluation Website
Fast color transfer from multiple images
François Pitié · Ussher Assistant Professor in Media Signal Processing
https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.524.6154&rep=rep1&type=pdf
Etsin | Research Dataset Finder
Error - Cookies Turned Off
http://www.sersc.org/journals/IJMUE/vol10_no2_2015/8.pdf