先端技術とメディア表現(FTMA2020) 第４回全レポート

Transcript

1. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ ッ ーモー ン ン ー 用い ンタ ン ッ 開発 タッチ ス スチ ー ン ン 技術 Fabriccio ン 種類，構成，動作周波数 ， ン 感度 制 作工程 複雑 ス ンス 考慮 慎重 選 定 ，10cm いう近接間 ン ン 可能 10名 参加者 実験 11 タッチ ス スチ ー Ⅰ タッチ スチ ー い 性能評価 行っ ンタ 布地 入力 可能 ン ン 技術 研究 盛 ，既存 入力 ス ，相互 作用 間 布地 物理的接触 発生 け っ 手 ン ー 相対的 動 変化 ン ー 読 取 値 正確 い あっ ， ン 大 く変形 正確 い あっ ． ッ ー 必要 自立可能 あ 望ま い ・Jun Gong et al. Thumb-Tip Gesture Recognition Uかing Pけおoelecがおic Infおaおed Senかing. (UIST す17) 熱赤 外線信号 ン ン ・Sidhant Gupta et al. SoundWave: Using the Doppler Effecが がo Senかe Geかがきおeか. (CHI す12) 音響学的 ン ン Fabriccio: Touchless Gestural Input on Interactive Fabrics (CHI ’20)S Te-Yen Wu, Shutong Qi, Junchi Chen, MuJie Shang, Jun Gong, Teddy Seyed, Xing-Dong Yang
2. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 指 放射 熱赤外信号 基 い 超小型 親指 先 スチ ー認識技術 Pyro 焦電材料 用い ッ 赤外線 ン ー 用い い ，以下2 ニー 利点 あ ．(1)能動的 信 号 生成 必要 無い ー効率 優 い ．(2)発熱 非常 少 い ，冷却 必要 い． 10人 参加者 ー ー研究 親指 使っ 6 スチ ー い ，93.9% 相互顕彰制度 得 既存 入力モー 磁気 ン 利用 い ，磁 石 ン ー 指 継続 必要 あ ，小型化 難 っ 市販 ン ー く ロ 構築 ， ま ま 液晶配置や電子設計 ス う 必 要 あ Improving public transit usability for blind and deaf- blind people by connecting a braille display to a smartphone. (ASSETし10) (PIR ン 人体感知) Pyro: Thumb-Tip Gesture Recognition Using Pyroelectric Infrared Sensing (UIST ‘17) Jun Gong, Yang Zhang, Xia Zhou, Xing-Dong Yang
3. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 独自 構成 熱活性接着剤 柔軟 ロン け スタム ンター ース 機能性 作成 ン 駆動 スペン ー ー ス ス 地元 ー会社 協力 ， 関 、 1年間 ー 供給者 受取人 取引詳細 入手． 29名 対象 全体 認識や ン 対 ス ッ ン 行っ ンタ キスタ や ス 研究 盛 ，初期段階 機能的 ロ タ 作成 ，反復 ，評価 ー 今ま 作 っ ．例え 糸 ンター ース作成 手作業 時間 っ い ． 安全面 設計 うえ ， ン専門学校 ワー ッ 期待 い Paul Strohmeier et al. zPatch: Hybrid Resistive/ Capacitive eTextile Inpきが. (TEIし18) Demonstrating Rapid Iron-On User Interfaces: Hands-on Fabrication of Interactive Textile Prototypes (CHI’20) Konstantin Klamka, Raimund Dachselt, Jミおgen Steimle ス ー キスタ ン ロニ ス 構成 熱活性接着剤 複雑 回路 作成 汎用性 高い構成技術 実証
4. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ ッ ンや ー チ ー 世界 ロ ー 導入 始 い 現状 ， ー チ ー 領域 け ン 制作 ロ ス全体 通 ロ ー 役割 探っ ス ー ッチま 他 商用的活用 成功 ッ ン 重要 役割 果 気付 ， MakeFashion いう ッ ン・ ッ ン ーや ロ ス ンタ ー 行っ ッ ン ロ ー いう 急速 変化 続け 分野 互い 境界線 与え 影響 双方 視 点 説明 ー (Arduino)や ー ン ， ニ ー ン 分野 課題 残っ い 問題 Teddy Seyed. A Reconfigurable Dual-Face Smartwatch foお Tangible Inがeおacがion. (CHIし16) Technology Meets Fashion: Exploring Wearables, Fashion Tech and Haute Tech Couture (CHI’19) Teddy Seyed
5. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 2 タッチ ン ス 面 持 再 構成可能 ス ー ッチ Doppio ース ッチ ス 周 取 付け，向 変え，操作 第二 ス 追加 ， 入力 ッチ 操作 いう 大幅 拡張 ロ タ 用い 制御実験 行い，異 ス 間 遷移時間 測定 既存 ス ー ッチ 画面 小 ンタ ン 困難 対処 音声認識や物理 タン っ ， 反応速度 遅 っ ，入力スペース 制限 い ス 厚 ，人 運動時 妨 可能性 あ ．現在 実装 両 ス 常 ン っ い 電力効率 悪い Kent Lyons et al. Facet: a multi-segment wrist worn かけかがem. (UISTし12) Doppio: A Reconfigurable Dual-Face Smartwatch for Tangible Interaction Teddy Seyed, Xing-Dong Yang, Daniel Vogel
6. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ i衣類 あ ゆ 場所 素早く直感的 ン ン 機 能 補強 新 い技術 提供 ス ム SensorSnaps 市販 ス ッ タン 無線 ン ー 組 込 静電容量式 タッ や回転，向 ン ン ー ッ ン ロー ー 活用 可 能 様々 ッ ン 持 10名 参加者 対 ー 洞察 ス 組 込 着用 い スチ ー評価 行っ 既存 服 互換性や低消費電力 充電可能 あ 既存研究 克服 っ 課題 っ ． キ ッ 上部 取 外 い 充電 い いう ンタ ン上 課題 ，防水性 無い 洗濯 い いう課題 あ Jatin Arora et al. Gehna: Exploring the Design Space of Jewelおけ Aか an Inpきが Modaliがけ. (CHIし19) SensorSnaps: Integrating Wireless Sensor Nodes into Fabric Snap Fasteners for Textile Interfaces (UIST’19) Artem Dementyev, Tomテか Vega Gテlveげ, Alex Olwal
7. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ ー ース 入力 ンター ース E- textile ロ ンタ ン 開発 Google I/O Braid 使っ ー ン ン 技術 ー ス ，最小限 ンタ キスタ 用い 正確 ロ ンタ ン 可能 36名 参加者 8 離散 スチ ー 考案 い，12名 ー ー 評価実験 行っ 精度 計っ 機械学習 タ ム スチ ー認識 ン 設計 あ っ ，離散的 スチ ー 連続的 スチ ー 組 合わ ンタ ン 可能 実験 静止 状態 精度 計っ け ，運 動中 実生活 設定 一致 い い Jussi Mikkonen Frequency-Based Design of Smart Textiles (CHIし19) Thorsten Karrer Pinstripe: eyes-free continuous input on inがeおacがive cloがhing. (CHIし11) E-textile Microinteractions: Augmenting Twist with Flick, Slide and Grasp Gestures for Soft Electronics (CHI’20) Alex Olwal, Thad Starner, Gowa Mainini
8. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 周波数 ース 信号 測定 ローチ 示 ，ス ー キスタ 実践 ー Arduino ース ス ム Teksig ー 図形 周波数 ース 信号 知 可 視化 頼 ，ス ー キスタ 微妙 多 様 相互作用 検出 可能 ニッ 生地 ン 作成 ， ン や接触強度， 金属物体 接触 相互作用 ス ．従来 ス 違い実際 使用状態 近い，ス ッチ， わ， 折 畳 ，ロー 状態 ス 行っ ス ー キスタ 既存研究 抵抗変化 ース い 主流 っ ， 周波数 ース 信号 ン ン ，従来困難 っ 半導体 特性 検出 可視化 可能 っ ン ンタ ン 検出 ，織物 構造 大 く依存 検出距離 非常 短い． Paul Strohmeier zPatch: Hybrid Resistive/Capacitive eTextile Inpきが.(TEIし18) Frequency-Based Design of Smart Textiles (CHI’19) Jussi Mikkonen, Riikka Townsend
9. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 抵抗性 静電容量性 両方 ン ン 使用 ， ン ，タッチ，圧力入力 E-Textile ッ チ zPatch 抵抗性 ン ン ロ ス 性 高解像度 圧力測定 ， 容量性 ン ン ー ンタ ン測定可 能性 いう両方 ッ 取 込 抵抗性 ン ン 容量性 ン ン 分け 分類機能 い 評価実験 行っ ．ま ， ッ ン ン ム スチ ー分類 偽陽性低 減 性能 向上 示 従来 手法 あ ，抵抗性 ン ン 苦手 い ， ン ンタ ン課題 解消 容量性 ン ン 技術 ッ ロー チ っ 抵抗性 容量性 測定値 間 関係 ， ー タ ース 含ま い い追加情報 提供 注 意 必要 あ Nur Al-huda Hamdan Grabrics: A Foldable Two- Dimenかional Texがile Inpきが Conがおolleお. (CHIし16) zPatch: Hybrid Resistive/Capacitive eTextile Input (TEI’18) Paul Strohmeier, Jarrod Knibbe, Sebastian Boring, Kasper Hoおnbよk
10. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 従来 手芸的 ローチ E-Textile 作成 ンタ 刺繍 ス ム Sketch&Stitch ーペン 使っ 布地 直接 ー や回路 描け ， ス ム ス ッチ 写真 撮 ，詩集 ターン 変換 ，刺繍機 送信 実際 刺繍 技術的 ッ ン 持 ー ス 招 ，3日 間 わ っ ス ム 使っ E-Textile 製作 い ー ッ ま E-Textile 研究 盛 ，電子回路 布地 統合 多大 手作業 スキ 必要 あ ， ロ ー 中 心 ン ー 使用 必要 あっ ペン 書い 線 元 戻 い 材料 選 ．ま ス ム 回路 ー ー ン や ー チ ッ 行っ く い ，電子工学 基本的 理 解 必要 L. Buechley. The LilyPad Arduino: Toward Wearable Engineering for Everyone. Sketch&Stitch: Interactive Embroidery for E-Textiles (CHI’18) Nur Al-huda Hamdan, Simon Voelker, Jan Borchers
11. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 初心者 自分 E-Textile ン， ン ニ ン ， 作成 可能 ー キッ LilyPad Arduino ー ー 人気 あ 無料 ー ン ース Arduino ロ ン 環境 使っ ，C言語 ン ロ ン ー ンロー 可能 ロ ン や電子機器 経験 無い参加者 ほ ワー ッ ， ンス ター ン 制作 行え 確認 ロ ー全般 ッ ン・ ン 境界線 越え，幅広い人々 工学 ン 両方 創造的 実 験 新 い機会 提供 ー っ LilyPad 単 ッ ン 表面的拡張 ま い う ，HCI 分野 ンタ ン 絡 ローチ 必要 Leah Buechley. The LilyPad Arduino: using computational textiles to investigate engagement, aesthetics, and diversity in computer science education (CHIし08) The LilyPad Arduino: Toward Wearable Engineering for Everyone (IEEE’08) Leah Buechley, Michael Eisenberg
12. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ ッキン 技術 超音波 空中触覚 ー ッ 利用 ， ー ー 素手 公共 タ 画面 対話 ッ 備え ンタ タ ー タ ス ーン・ ッキン ス・空中 触覚 ー ッ 超音波 ッ 技術 ー ン ンタ ニ ーム 変身 映画 スター モ 作成 広告 有効 ス あ タ ー 着目 ，タッチス ーン式 離脱 ， ー ー 身 け く 気軽 ー ッ 体験 ンタ ンター ース設計 タ ー う 要素 ッ 強化・拡張 べ ，表現力豊 ッ ンタ ン 実現 う ッ ッ 使用 べ 一般性 議論 必要 Caおがeお, Tom, eが al. っUltraHaptics: multi-point midair haptic feedback for touch surfaces. ACMし13) Touchless Tactile Displays for Digital Signage: Mid-air Haptics meets Large Screens (CHI’18) Jペおg Mミlleお, Sおiおam Sきbおamanian
13. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 歩行中や手 っ い ，手 離 い状況 モ 機器 制御 いう一般的 問題 克服 ス InEar BioFeedController ン型 片耳部分 ロ ロス ー 埋 込ま 整理 ン ー い ． ッ ー ン ッ ス化 ッ 忍 け ー ー ロ タ 装着 ，瞬 や頷 音楽再生や ー 機能 制御 確認 モ 機器 HCI タッチス ーン 長 く台 頭 い 視覚的 焦点 合わ 必要 あっ ， ース 違い目 使わ ， ン ー ンタ ン 可能 正確 筋肉 動 測定 ，筋電図 ン ー う 信頼性 高い生理学的 ン ー 必要 D. J. C. Matthies. NeuroPad: Use Cases For A Mobile Phけかiological Inがeおface. (NoおdCHIし12) InEar BioFeedController: A Headset For Hands-Free And Eyes-Free Interaction With Mobile Devices (CHI’13) Denys J.C. Matthies
14. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 外界 行動 自発的 制御 いう主観的 経験 指 SoA タッチ ス ス ム 文脈 調査 タッチ ス入力 物理的 入力動作 同様 応答性 あ 知覚 ，暗黙的・定量的 尺度 (空中 タン 押 ) 用い 実証 タッチ ス ス ム 物理 ンタ ン 比較 ， 次 異 種類 触覚 ー ッ 追加 ，異 結果モ 意図的 ン ン う影響 探っ タッチ ス・ ンタ ン 中 ， ま 検討 っ 側面 1 ， ンス・ ・ ー ン ー(SoA) 着目 い 実物 触 い いう 自然 近く 作 出 触覚 ス 使用 ，空中 ンタ ン SoA 好意的知覚 影響 調べ 研究 必要 Tom Carter et al. UltraHaptics: multi-point mid-air hapがic feedback foお がoきch かきおfaceか. (UISTし13) Agency in Mid-air Interfaces (CHI’17) Patricia Cornelio Martinez, Silvana De Pirro, Chi Thanh Vi, Sriram Subramanian
15. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ E-Textile ンター ース 5 ロ タ 提示 ， ンター ース設計 初期 前提条件 提案 相互作用要素 布地 対照的 触覚 べ ． スチ ー・高 ・形状間 感覚的 ン ス ・ 要素 認識可能 最小 ・ ンタ 要素 凹凸 認識・形状 介 相互作用 表示・触 覚的 ン 認識 設計推薦 定義 様々 ンタ ン ン 専門家 ンタ ー 行い，約1時間 ン 提案 ン 前提条件 妥当性 確認 ス ー キスタ 研究 盛 ，非 ンタ 要素 う ン いい い 研究 ほ 為 っ ター ッ ー 触覚感度 工程，人々 ン 実行 時間 長 ， ンタ 要素 距 離や近 考慮 入 必要 あ Kalantari et al. Finding the Minimum Perceivable Size of a Tactile Element on an Ultrasonic Based Haptic Tableが. (ISSし16) Design Investigation of Embroidered Interactive Elements on Non-Wearable Textile Interfaces (CHI’20) Sara Mlakar, Michael Haller
16. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ 議論 あ ？ E-Textile，あ い 電子的 ン っ 時間 経過 変化 キスタ 美的 ス チ ー表現 介 ，人々 感情 ニ ー ン 関連 研究 視覚 触覚 用い ，変容 キスタ 質感 表 現 感情 関連付け E-Textile っ 表現 増出 ，素材 変容 スチ ー表現 通 ，人々 何 感情的 伝え 研究 っ 素材 使っ 何 別 製作 ， 感情 的連想 変え まう恐 あ Ugur, S. Wearing Embodied Emotions: A Practice Based Design Research on Wearable Technology. 2013 A Study Relating Computational Textile Textural Expression to Emotion (CHI’15) Felecia Davis うやっ 有効 検証 ？ 19名 対 キスタ 静止 い 状態 動い い 状態 視覚 け 視覚 触覚 合わ ー ッ 計4 ターン 感情的連想 評価
17. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ ーモ ロ ッ ン ペ チ 半導体 用い ， タッチ 敏感 非発光 キスタ ス 実 現技術 一 提案 ー ロ ッ ンキペ チ 半導体 用い ， タッチ っ 引 起 温度 過渡現象 検出 1回 タッチ 生 ン ス ターン 特定 実験 行い，0.6秒未満 タッチ 検出 確 認 既存 ー 変更 く ンタ タッチ ン キスタ ス 可能 ， ン ン ス 同一 ンター ース上 実現 タッチ 敏感 ・ペ チ 半導体 ッチ単位 温度 ン ン い 複雑 ンタ ン 難 い． ・導電性糸 ほ 類似 ーモ ロ ッ チ ー ン ニ ム 拡張性 検討 必要 あ Peiris, R et al. Ambikraf: A nonemissive fabric display foお faかが changing がexがile animaがion. (EUCし11) A Temperature-based Touch-sensor for Non-Emissive Textile Displays (CHI’13) Roshan Lalintha Peiris, Ryohei Nakatsu
18. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ HCI研究者 ン時 介入 ，将来 ス ー ・ キスタ 開発 け 持続可能性 廃棄 物 う 対処 探索 キスタ 全体 く，布 一部 解い 個別 ッ チや部品 交換 可能 補助 的 形状織技術 キスタ 制作 け 無駄 最小化 う 3 手法 い 実験 行い評価 ス ー ・ キスタ 研究 ， ス ー 素 材 糸 埋 込 研究 行わ い ，大規模 廃棄物 流 加速 可能性 あ 着目 将来現 ス ー ・ キスタ 対応 いく ローチ方法論 必要 Lea Albaugh et al. Digital Fabrication of Soft Actuated Objecがか bけ Machine Kniががing. (CHIし19) Unfabricate: Designing Smart Textiles for Disassembly (CHI’20) Shanel Wu, Laura Devendorf
19. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ E-Textile ン ー 用い 腹部 圧力変化 計測 笑い 検知 ，生活 質 定量化 笑い指 標 開発 ス ム Laugh Log 提案 実験時 ロ ータ 腹圧 変化 特徴 採集 ， 基 い 笑い 検出 提案 ス ム 腹圧 変化 基 い 笑い 検出 う 調べ ， ロッ 実験 行い評価 笑い 呼吸 区別 ，高速 ー 変換 用い 周波数解析 行い，呼吸周波数 腹圧 変化 っ 得 う 検証 笑い 構成要素 定義． 電池 依存 5~6時間 ロ 保存 ， ー ン 開発 長期的 ロ 記録 う 必要 あ Patrick Parzer et al. FlexTiles: A Flexible, Stretchable, Formable, Pressure-Sensitive, Tactile Input Sensor (CHIし16) Laugh Log: E-textile Bellyband Interface for Laugh Logging (CHI’17) Ayaka Shimasaki, Ryoko Ueoka
20. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 目 見え い キタス ンタ 性 ス ー 展開 製造技術 提案 ，既存 織物製 織技術や設備 用い 安価 製造可能 新規 ンタ キスタ 素材 提案 標準的 織機 使用 可能 導電性糸や ンタ チタッチ静電容量 ッ 可能 織物構造 Android上 動作 実験用 ス ッ 開発 ， スチ ーや ンタ ン 認識 ，タ ムスタン 付け 分析 ， キスタ 変形や消耗 っ スチ ー認識 影響 与え う ス ． 標準的 織物技術 装置 安価 大規模 製造 新 い ンタ 織物素材 可能 基板上 スチ ー認識 偽陽性 課題．向 上 ン っ ーモー 明 ー ン 制御 重要 Paul Holleis et al. Evaluating capacitive touch input on cloがheか. (MobileHCIIし08) Project Jacquard: Interactive Digital Textiles at Scale (CHI’16) Ivan Poupyrev, Nan-Wei Gong, Shiho Fukuhara, M. Emre Karagozler, Carsten Schwesig, Karen E. Robinson
21. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 従来 ス ッ 型 ン ッ ンタ 用い ， 回路 迅速 自作 ロ ス Soft Inkjet Circuits 提案 広範 反復実験 っ 機能性，多様 機械的特性，加 工 や 最適化 異 ス ッチ 導体 ン 効果 異 ひ 対 銀 ン 用い 経験的 評価 導電性 ン ，絶縁性 ン 用い 一時的 タ ー ー や熱可塑性 スチッ ， ま ま 素材 回路 実現 銀 ン 溶剤 PVP 上 印刷 い いう問題 あ ． 解決 ，多層回路 直接印刷 可能 ． Daniel Groeger et al. LASEC: Instant Fabrication of Sがおeがchable Ciおcきiがか Uかing a Laかeお Cきががeお. (CHIし19) Soft Inkjet Circuits: Rapid Multi-Material Fabrication of Soft Circuits Using a Commodity Inkjet Printer (UIST’19) Aおかhad Khan, Joan Sol Roo, Tobiaか Kおaきか, Jミおgen Steimle
22. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 従来 ー ー ッター ， スタムス ッチ性 備え 回路 ワン ス 瞬時 製作 技術 LASEC ッ ン ターン 使用 2層 材料 統合的 切断 ー ン 基 い 回路 延伸 性 スタ ンタ ー，物理入力 ス，衣服 3 応用例 実装 ，LASEC ス ッチ可能 ンター ース ロ タ 適 い 検証 伸縮性 得 ま ン層 鋳造 埋 込 い ， ロ ス 煩雑 っ 課題 解決 迅速 製造 単層回路 作 い ，性 質上2D ターン 設計 い いう課題 あ Ruike Zhao et al. Kirigami enhances film adhesion. (Sofが Maががeお し14) (切 紙 ターン ン ム上 銀 線 3D ン 提案) LASEC: Instant Fabrication of Stretchable Circuits Using a Laser Cutter (CHI’19) Daniel Groeger, Jミおgen Steimle
23. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ ン ッ ・モ ー 探求 ， ー 豊 ンタ ン ン 利用可能 ー ー っ 可能 タッチや操作 ンタ ン ン 基礎 ， ー 品質 利用 い ペン ン ・ ッ ス 持 上 ， ス 傾け スチ ー検出 評価 ま タ ・ ー 異 ， ー 物理的 形や，人体 う 装着 い 着目 ， 要素 ー 用い ンタ ン ン 活用 い ス ー ス複合材料 将来 進歩 、 う ー ン 増え 可能性 あ Sean G. Gustafson et al. Understanding Palm-based Imaginary Interfaces: The Role of Visual and Tactile Cきeか when Bおowかing.(CHIし13) Gehna: Exploring the Design Space of Jewelry as an Input Modality (CHI’19) Jatin Arora, Kartik Mathur, Aryan Saini, Aman Parnami
24. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ ッ 用い 没入体験共有 ス ム LiveSphere 提案 ッ 水平120度，垂直90度 視野 持 6台 広角 搭載 ，映像 ース ー ー 向け 手振 補正 ス ー ン ース 手振 補正性能 ，歩行や や ン ー ン 激 い運動 安定 動作 確認 既存研究 ，一人称視点 映像 撮影 ，装着 い 人 頭 向 っ ン 制限 ， 撮影 映像 手 まい 問題 克服 L. Cheng et al. Dealing with Speed and Robustness Issues for Video-Based Registration on a Wearable Compきがing Plaがfoおm. (ISWCし98) LiveSphere: Immersive Experience Sharing with 360 degrees Head-mounted Cameras (UIST’14) Shunichi Kasahara, Shohei Nagai, Jun Rekimoto
25. 次 読 べ 論文 ？ ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 360度 ス ー ー 中 重要 ン ン 見落 う設計 ンタ ッ 指向性 新 い技術 視聴者 タン 押 ，重要 ン ン 自分 視 野内 入 う 即座 ッ 向 変え 可能 ー ー調査 行い，従来 向 ッ 比較 視 聴時間 5.2~9.5%増加 有効性 評価 既存 制御 既存研究 ッ 向 変え 編集 視聴者 う 理解 研究 い ， 研究 ー ー 視点 基 い ，ま タ ン 押 ッ 向 ン ロー 焦点 当 い 研究 ッ 向 制御 行っ い ， 将来的 ，他 ンタ ン 探求 必要 あ Jan Gugenheimer et al. Swivrchair: A motorized swivel chaiお がo nきdge きかeおかし oおienがaがion foお 360 degおee かがoおけがelling in viおがきal おealiがけ. (CHIし16) Shot Orientation Controls for Interactive Cinematography with 360o Video (UIST’17) Amけ Pavel, Bjペおn Haおがmann, Maneeかh Agrawala
26. どんなもの？ 先行研究と比べてどこがすごい？ 技術や手法のキモはどこ？ どうやって有効だと検証した？ 議論はある？ 次に読むべき論文は？ 体（頭）の回転を検知して、方向を修整することは今までの 知覚実験でも測定されてきたが、平行移動に関しては検知す ることができずエラーが起こっていた。 また、細かい視線は検知することができなかった。 Towards Virtual Reality Infinite Walking: Dynamic Saccadic Redirection QI SUN, Stony Brook University, NVIDIA, and Adobe Research ANJUL PATNEY, NVIDIA LI-YI WEI, Adobe Research OMER SHAPIRA, NVIDIA JINGWAN LU and PAUL ASENTE, Adobe Research SUWEN ZHU, Stony Brook University MORGAN MCGUIRE and DAVID LUEBKE, NVIDIA ARIE KAUFMAN, Stony Brook University VR空間での歩行をより快適にするための歩行のテクニックを 開発する。狭い空間でも、将来的に障害物をよけて方向転換 できるようなシステムを開発し、限られた空間の中でも快適 に長く歩行を誘導できるようなシステムを作る アイトラッキングを活用して、サッケードを検出し、瞬きの 抑制や微妙な視線の方向を読み取る。 ヴァンゴッホの部屋を実験に用いて、リダイレクト、頭部のみリ ダイレクト、リダイレクトなしの歩行を比較して、カメラの回転 を検知したか否かを被験者に答えさせる。 VR空間による視覚異常、めまいや吐き気などを発症する例が少 なくなり、サッケードのリダイレクトは有効だと示された。 しかし、動く物体（特に他のユーザ）をシミュレートできない。 Mahdi Azmandian, Timofey Grechkin, Mark Bolas, and Evan Suma. 2015. Physical Space Requirements for Redirected Walking: How Size and Shape Affect Performance. In Eurographics Symposium on Virtual Environments
27. Plan3D: Viewpoint and Trajectory Optimization for Aerial Multi-View Stereo Reconstruction Benjamin Hepp, Matthias Nießner, Otmar Hilliges どんなもの？ 議論はある？ 先⾏研究と⽐べてどこがすごい？ 技術や⼿法のキモはどこ？ どうやって有効だと証明した？ 次に読むべき論⽂は？ 建物などの物体の三次元構成の際に、カメラを乗せた⼀般 のドローンを⾶ばすルートと撮影ポイントを計算するアル ゴリズム ３つの建物について実際にアルゴリズムを使⽤し、アルゴ リズムを複数の部分にわけて評価を⾏なっている 従来の⼿法は複数枚の質の⾼い写真を撮影することはでき るが、ドローンの⾶⾏時間に縛られ、また⾼価であった ⼀度上空から建物の全体を撮影し、機械的に簡素な3D画 像を作成する。その画像を元に最も効率的に多くの情報が ⼿に⼊るルートと撮影ポイントを計算する SfM/MVSのモデル化が難しいこと、結局はドローンの⾶ ⾏時間の制限時間に縛られてしまうこと、デジタル画像の 情報量に限界があることなどの課題や今後の発展について ⾔及されている このような3Dデータを実際に使っている論⽂ SIGGRAPH2019,August 1,2019, Benjamin Hepp
28. ？ うや 有効 検証し ？ 先⾏研究 ⽐べ す い？ 議論 あ ？ 技術や⼿法 キ ？ 次 読 べ 論⽂ ？ Space-time Tomography for Continuously Deforming Objects Gきangming Zang, Ramzi Idoきghi, Ran Tao, Gilleか Lきbineaき, Peがeお Wonka, Wolfgang Heidおich (SIGGRAPH 2018) 連続す 2 投影間 ⽐較的⼩ 変形 想定し い 動的現象 X線CT撮影す 時空間 フ ー法 し バ 、⾼粘度 流体、氷 溶け 乾燥キ コ 戻 様⼦、砂糖結晶 融解 、スキ ン中 変形 受 け 現象 撮影し画像 形成し 投影⾓ 取得 各 ン 分割す 新しいサンプ ン 戦略、フ ーム間 変形 推定し補正す 4D画像形成 提案し Mohan eが al. 2015 従来 3D フ ー法 撮影中 物体 変形す 再構築 不完全 、 研究 詳細 画像 再 構成し変形 プ セス 分析
29. ？ うや 有効 検証し ？ 先⾏研究 ⽐べ す い？ 議論 あ ？ 技術や⼿法 キ ？ 次 読 べ 論⽂ ？ 教師 し学習 活⽤ 、教師あ 学習 ⼤ く 依存し い シ ー ン 削除す 難しい フス ッチ 綺麗 線画 変換す ス ッチ簡略化 ッ ワー ーニン フ ームワー フス ッチ ーンス ッチ ータセッ 使⽤し ーニン し、⽣成画像 他 ⼿法 ⽐較 Mastering Sketching: Adversarial Augmentation for Structured Prediction Edgaお Simo-Seおおa, Saがoかhi Iizきka, Hiおoかhi Iかhikawa (SIGGRAPH 2018) 学習 せ 線画 鉛筆画 ⽣成す いう 逆 問題 使え Goodfellow eが al. 2014 Favおeaき eが al. 2016 敵対的増強 呼 、教師あ ータ ーニン 教師 し ータ ーニン 組 合わせ プ ーチ⽅法
30. ͲΜͳ΋ͷʁ ઌߦݚڀͱൺ΂ͯͲ͕͍͜͢͝ʁ ٕೳ΍ख๏ͷΩϞ͸Ͳ͜ʁ Ͳ͏΍ͬͯ༗ޮੑͩͱݕূͨ͠ʁ ٞ࿦͸͋Δʁ Neural Best-Buddies: Sparse Cross-Domain Correspondence :BHJ[
    "LTPZ
    5BF)ZVO
    0I
    4ZMWBJO
    1BSJT
    .BSD
    1PMMFGFZT
    BOE
    8PKDJFDI
    .BUVTJL ը૾Λ̎ຕೖྗͯ͠ɺҙຯతʹؔ࿈͢Δ෦෼΍
    زԿతʹؔ࿈͢Δ෦෼Λநग़͢Δ ݟͨ໨΋छྨ΋ҧ͏Α͏ͳը૾ؗͰ ΋δΦϝτϦΛߟྀ͢Δ͜ͱͰରԠ ͢Δ఺Λൃݟ͢Δ͜ͱ͕Ͱ͖Δ $//ͷॲཧΛੵΈॏͶ͍ͯ͘͜ͱʹ ΑΓɺಛ௃఺ͷϚοϓͷϐϥϛου Λ࡞Δ *NBHF/FUͰ܇࿅ͨ͠ɻ·ͨಉ͡ Α͏ͳ΋ͷͱൺֱ Ұ͔ͭΒෳ਺ͷϨΠϠʔʹ෼ׂ͞ Εͯ͠·͏͜ͱ͕͋Δ
31. ͲΜͳ΋ͷʁ ઌߦݚڀͱൺ΂ͯͲ͕͍͜͢͝ʁ ٕೳ΍ख๏ͷΩϞ͸Ͳ͜ʁ Ͳ͏΍ͬͯ༗ޮੑͩͱݕূͨ͠ʁ ٞ࿦͸͋Δʁ Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks Jun-Yan Zhu, Taesung Park, Phillip Isola, Alexei A. Efros ը૾Λ̎ຕϖΞͰೖྗ͢Δ͜ͱͰɺ
    ͦͷؔ܎ੑΛਪఆ͠ը෩ม׵Λߦ͏
    ڭࢣσʔλͳ͠Ͱߦ͏͜ͱ͕Ͱ͖Δ
    ·ͨɺը૾ͱͯ͠ͷಛ௃Ͱ͸ͳ͘ɺ͍ࣸͬͯ Δ΋ͷಉ࢜ͷؔ܎Λଊ͑Δ͜ͱ͕Ͱ͖Δ αΠΫϧҰ؏ੑଛࣦΛಋೖ͍ͯ͠Δ ಉ͡Α͏ͳγεςϜΛߦ͏΋ͷͱ࣮ࡍʹൺֱɹ ߴ͍ΫΦϦςΟΛࣔͨ͠ ܗঢ়ͳͲ͕มΘΔΑ͏ͳࡍͷม׵ ʹࣦഊ͢Δ͜ͱ͕͋Δ
32. オンライン会議⽤の仮想ロボットオーバーレイ、VROOM。職場にリモートワー カーのアバターが登場し、 まるで同じ空間にいるかのように感じることができる。 テレワークのためのデバイスはこれまでにも開発されてきた（2D 画⾯のテレプ レゼンロボットや HMD を着⽤した AR システム）が、どちらも物理的・空間的 な制限があった。しかし VROOM はその両⽅の⻑所を取り⼊れ、テレプレゼン スロボットに AR と V R を組み合わせた。 リモートワーカーはヘッドセットを着⽤し、⾃⾝の姿勢や頭の動きを追跡。テレ プレゼンスロボットを介して 360°⾒渡せ、動き回ることができる。⼀⽅オフィ スにいる⼈は AR ヘッドセットを着⽤し、 リモートワーカーのアバターがその⼈ の動きに応じてアニメ化される。 リモートワーカーと職場にいる⼈それぞれに使⽤してもらい、 検証してもらった。 今の段階では⼀対⼀の会議にしか適⽤できない。 複数⼈数での会議で利⽤するこ とができれば、さらに実⽤性が増すだろう。また、会議だけでなく、経済的・⾝ 体的な理由から⾏動を制限されている⼈の役にも⽴つのではないか。 AuraRing: Precise Electromagnetic Finger Tracking どんなもの？ 先⾏研究と⽐べてどこがすごい？ 技術や⼿法のキモはどこ？ どうやって有効だと検証した？ 議論はある？ 次に読むべき論⽂は？ VROOM: Virtual Robot Overlay for Online Meetings Brennan Jones, Yaying Zhang , Priscilla N.Y.Wong, Sean Rintel CHI 2020 （仏コース）
33. 子 読書 対す 集中 途切 い 検出し 戻す 特定 作業 集中 BCI 使 高 い 点 市場 あ EEG(Emotive) 使 い 子 集中力 切 ら 教材 関連す BCI ーニン 小 プ ター 映し出し 注意力 回復 せ ン ー ン 基準 タ 中 設けら 低い方 基準 6 秒間下回 ら高い方 6 秒間上回 ま BCI ーニン 24 人 子 キ 教材 BCI ーニン や ら Contextual ープ 集中 切 ら In-order ープ 教材 読 ら BCI ーニン や そ 後２種類 し EEG ら分 集中度 ア 二 ープ 評価し そ 両方 Contextual ープ ア 方 極 高 BCI バイ 動作 正確性 脳活動 EEG 信号 関係 依存し い 教材 関係し い BCI ーニン 効果 あ ADHD 子 有効 Leが’か learn! Enhancing Uかer’か Engagemenが Levelか Throきgh Paかかive BrainComputer Interfaces. Ext. Abstracts CHI 2013, ACM Press (2013), 703-708. ？ 先行研究 比 す い？ 技術や手法 キ ？ うや 有効 検証し ？ 議論 あ ？ 次 読 論文 ？ (仏 ー 5 班) FOCUS: enhancing children's engagement in reading by using contextual BCI training sessions
34. どんなものか 先⾏研究と⽐べてどこがすごいか 技術や⼿法のキモ どうやって有効だと検証したか 議論 次に読むべき論⽂ A Practical Guide to Thin Film and Drips Simulation Alexey Stomakhin Weta Digital, Andrew Moffat Weta Digital, Gary Boyle Weta Digital ・⽔とキャラクターの相互作⽤をモデル化 ・⽔が⽪膚から剥離する際の表⾯張⼒と接着効果 ・⽔の層で⼈全体をカバーできる ・ミリメートルの数分の⼀のスケールで効果の解 像度が可能 ・実際に上の画像の⼀番左のショットでこの技術 を利⽤してうまくいった Mesh-based approaches [Da et al. 2016; Zhu et al. 2015, 2014] ・⽔が粗い表⾯や、⽑⽳や⽪膚の上で滑り落ちるよう に⽔が衝突する物体の周りの薄いバンドで流体の粘度 を増加させることでこの効果をモデル化した 顔を覆う⽔の平均的なシミュレーションでは、5〜 20Mのパーティクルが必要であり、実⾏に⼀晩かかる
35. Socially Aware Motion Planning with Deep Reinforcement Learning Yu Fan Chen, Michael Everett, Miao Liu†, and Jonathan P. How 深層強化学習を⽤いた共通の社会規範を尊重した時間効率の良 いナビゲーションポリシーの開発 先⾏研究と⽐べてどこがすごいか 技術や⼿法のキモ 次に読むべき論⽂ 議論 社会的準拠⾏動を考慮することで、歩⾏者の多い環境下で⼈間の歩 ⾏速度で移動するロボット⾞両の完全⾃⽴⾛⾏を可能にした。 何をすべきか（⼈間のナビゲーションの正確なメカニズム）を直接 指定するのは難しいが、何をすべきでないか（社会規範違反）を指 定するのは容易であることに着眼した。 ⼀緒に歩いている⼈の集団など、近くにいる歩⾏者同⼠の関係性を考慮し ていない。 Autonomous Reconstruction of Unknown Indoor Scenes Guided by Time-varying Tensor Fields Survey on path and view planning for UAVsなど 周囲の⼈の状態の変化を考慮しない衝突のない速度ベクトルを計算するた めの反応的で幾何学的なシステム（ORCA）と深層強化学習を⽤いた衝突 回避システム（CADRL)、CADRLに社会性を意識した⾏動を特徴づけした もの（SA-CADRL）、これに右利きと左利きの属性を付与した合計5つを ⽐較して、SA-CADRLが時間的に効率的な道を⽣成し、対応する社会規範 を尊重した⾏動を⽰すかどうかを検証した。 どんなものか どうやって有効だと検証したか
36. 日頃 活動 血糖値 相関 理解 ワ 作成 . 糖尿病患者 対 過去 生活習慣 現在 健康状態 結び く 自覚 う ン 作成 先行研究 比 い？ 技術や手法 キ ？ 2 世帯 2 間 渡 , 作成 ン 用い 実験 行 . 日 30 ン 行 . ？ 議論 あ ？ 次 い論文 ？ うや 有効 検証 ？ 過去 ン ン 一度 取得 そ 利用者 提示 利用者 自己 行動 関 適 対応 いう 従来 仮 い 糖尿病 い 日頃 活動 血糖値 相関 理解 重要 考え方 提示 . 糖尿病 関 ,3 ン 調査 わ . 個人 , 自 体 対 関心 持 く . 行動 柔軟 変え . ベ ン 維持 重要性 . 糖尿病 い , 日頃 活動 血糖値 相関 理解 重要 . そ 理解 ッ 示 ワ 作 自己 健康状態 振 返 重点 い ン 開 発 , 意思決定 過程 自動化 , そ 自動的 取得 活動 血糖値 相関 理解 . Designing Capture Applications to Support the Education of Children with Autism ,Catalyzing Social Interaction with Ubiquitous Computing: A needs assessment of elders coping with cognitive decline ,Technology Probes: Inspiring Design for and with Families ,Digital Family Portraits: Supporting Peace of Mind for Extended Family Members,Activity Recognition in the Home Using Simple and Ubiquitous Sensors (2006 年 ) 課題 , あ ゆ 状態 ン ン ン 普 い い複雑 操作 い 現在 ン , 個人 操作 大変 .
37. あ ゆ 場所 設置 , ン ン 用い , 目立 い設計 家 中 日常生活 活動 測定 ( ン + ) 提案 . 先行研究 比 い？ 技術や手法 キ ？ 30 歳 女性 家 77 個 ,80 歳 女性 家 ,88 個 ン 設置 14 日 渡 , 集 .3 試 . 最 , 手法 示 . ？ 議論 あ ？ 次 い論文 ？ うや 有効 検証 ？ 居 者 研究者 い う , 一般 家 実験 実施 点 . カ や そ う や い形 ン ン く , , 小 く , 設置 や く , 費用 高 く い , ン 用い 点 . ン ,RFID 採用 点 . 活動 検知 手法 , ベ 類 採用 . ,[1] 参考 . 結果 , 目 Activity Detected in Best Interval 最 精度 良 . 被験者 , ン い , ほ 気 述 . ベ 種類 質や量 不十 あ , 長期 わ 集 改善 向 う 考えう .
38. 一人暮 望 高齢者 , そ 子供 ン手段 , 肖像 画 いう ン ェ 提案 . 先行研究 比 い？ 技術や手法 キ ？ ワ 行い , ン . 作成 肖像画 実 , 祖 孫 いう , 関 性 家族 使 い , ン . ？ 議論 あ ？ 次 い論文 ？ うや 有効 検証 ？ , 肖像画 ン 提案 点 . 子供 安心 必要 5 要因 明 点 , 肖像画 ン 要件 , 要因 明 点 . 目的 , 暮 い 高齢 親 心配 い 子供 , 長期間 わ , 健康状態や活動状況 知 , 安心感 感 提供 . 子供 安心 感 感 要因 , 健康 ( く寝 , く食 , 運動 ), 生活環境 ( 天気や , 設備 十 ), 好関 ( 達 関わ い ), 活動 ( 何 取 組 い ), ベン ( 行 事や特別 催 参加 い ) 5 挙 あ . ン , 壁 . 肖像画 い ,4 ン 提案 .1. 複雑性 減 .2. ン .3. 高齢 男性 女性 対応 ン .4. 高齢 親 子 ン ォ カ . 声や ッ 得 析対象 . ソ 作 , 有益 情報 提供 考え .
39. Technology Probes いう , 新 い ノ 家族 参加 や く , 新 ン 方法 提案 . 先行研究 比 い？ 技術や手法 キ ？ ン 現化 ン 機能 持 2 ン 作成 , 実 使 . ？ 議論 あ ？ 次 い論文 ？ うや 有効 検証 ？ 型的 HCI 研究 , , 家族 ン , そ ン 作成 , 技術 開 発 , そ , 家族 良い 悪い いう 応 調 いう あ 新 家族 , 技術 想起 形作 可能 研究 ン 提案 点 . 望 い Technology Probes , ン , 柔軟 , 適応可能 技術 ,3 学 的 (1. 現実世界 中 , 利用者 や願望 理解 social sciencec ,2. 実環境 技術 enginnering ,3. 利用者や研究者 新 技術 思い く ン design ) 満 目標 . 早い段階 実験 行う , 機能 不 合 出や い . 一方 , 使い方 自由度 高い , そ 後 参考 情報 得 . CHI '03: Proceedings of the SIGCHI Conference on Human Factors in Computing Systems
40. キ ン ン , 高齢者 ソ ン ン ン 方向性 示 論文 . 先行研究 比 い？ 技術や手法 キ ？ ン 得 知見 基 ,2 ン 作成 , 実験 . ？ 議論 あ ？ 次 い論文 ？ うや 有効 検証 ？ 認知機能 下 い 高齢者 ソ ン ン ン 実現 ン 示 点 . , 知機能 下 伴う高齢者 Need( 欲求 ) barrier( 壁 ) 理解 , ン 行 .45 人 (10 人 健康 高齢者 ,7 人 軽い認知機能 下 伴う高齢者 ,25 人 認 知症 高齢者 ,3 人 認知症患者 護者 ), 年齢 ,56~97 歳 . 社会的欲求 , 相互作用 あ 関 性 , 多様性 ( あ ゆ 年齢 方 交流 望 ), 親密 ( 近く い 人 ン 価値 置 い .) あ . 社会的 壁 , 理解能力 下 , 記憶力 下 , 現状 打 明 怖 , 挙 . い , 回 提案 い ン 実 環境 実現 述 い .
41. 自閉症 子供 環境 実態 調査 , 子供達 状況 記録 , 視覚化 行う ン 作成 . 先行研究 比 い？ 技術や手法 キ ？ 実 学校 , 助者 子供 使 い , 評価 . ？ 議論 あ ？ 次 い論文 ？ うや 有効 検証 ？ 取得 , ン 設計 く , 人間 中心 設計 , そ ン 入力 組 合わ 設計 用い 点 . , 現場 誰 い , う い , 助者同士 ン う 行わ い , う 種類 成長記録や評価 使わ い , 知 家族 , 特別支援学校 先生や , 自閉症 子供 研究機関 ン 行 . そ 後 , ン 作成 , 実験 行 . あ 定 目 記録 仕様 , 的 要 環境 い , 応性 い 問題 挙 .
42. ？ 先行研究 比べ い？ 技術や手法 キモ ？ うやっ 有効 検証 ？ 議論 あ ？ 次 読 べ 論文 ？ 指先 装着 、VR ー ー 力覚、温覚、振動 提供 、VR ー ン 臨場感 向上 ーン 用い ス 既存 研究 ス 重量 重 っ 、複雑 構造 手袋 まま使用 、光学式 ン ッキン ス ム 使っ ッキン っ 、 ス 比較的 軽量 ッキン 互換性 あ 指先 ーン 高速 膨 ま 触覚 与え、ペ チ 素子 用い 温度変化 提供 、 ニ 共振 チ ー タ 指 振動 あ え Unity 用い VR空間内 ー ー 球状、棒状 物 掴 等 操 作 行っ い検証 物体 質感や硬軟 違い 感 、 温度感覚 っ 物体 質感 伝わっ 特 Mourad Bouzit, Grigore Burdea, George Popescu, and Rares Boian. 2002. The Rutgers Master II-new design force-feedback glove. IEEE/ASME Transactions on mechatronics 7, 2 (2002), 256ど263.
43. ？ ・VR空間内 ンタ ン 設計 触覚 ン ター ース あ Rutgers Master Ⅱ-ND ロー 親指、人差 指、中指 指先 最大16N 力 あ え ？ ・人差 指 親指 装着 、VR空間内 仮想物体 接触、 把持 感覚、重 や慣性 ー ッ 与え スGrabity ？ ・生体感覚 皮膚 ー ッ 両方 統合 手袋型触覚 ス DextrES 柔軟性 あ 弾性金属 静電引力 変調 、各指 最 大20N 保持力 発生 ？ ・手 ひ 装着 軽量 空気式形状 ロキ ンター スPop-up Prop on Palm(PuPoP) ー ー 手 ひ 中 把持 可能 適切 形状 ッ 膨 臨場感 高
44. ？ VR空間内 人間 触覚刺激 形状 触 い く、視覚 捉え 物体 形状 触 い 感 いう 示 特性 用い ー ー 実際 触っ い ン 物理物体 け 様々 形状 錯覚 ス ム 構築
45. Physics-based Full-body Soccer Motion Control for Dribbling and Shooting SEOKPYO HONG, Visual Media Lab, KAIST DASEONG HAN, Handong Global University KYUNGMIN CHO, Visual Media Lab, KAIST JOSEPH S. SHIN (formerly SUNG YONG SHIN), Handong Global University and KAIST JUNYONG NOH∗, Visual Media Lab, KAIST 物理的 正 い全⾝サッカーモーションを⽣成 新 いモーションコン ー シス ータ駆動型 モーション予測 物理学ベース モーション統合 い う2 緊密 結合さ たタス を実⾏ 物理的 正 い動 視覚的 説得⼒ あ 動 を⽣成 今ま 物理的 正 ⼈間的 違和感 あ 動作 視覚的 説得⼒ あ 物理 的 正 い動 ⽣成 た ータ駆動型サッカーモーション予測 物理学ベース サッカーモーションシ ュ ーション 更新さ た ボー 軌道 後者 シ ュ ーションさ たモー ション 前者 ー バッ さ 合成さ ⼈ 邪魔さ た 蹴 ⾜ ス ン ス ー を変え た時 場⾯ 応 軸⾜ 位置を変え 蹴 出せ いう実験 提案⼿法を使う 成功 使わ い 失敗 ⾛⾏中 急旋回 た ⾮常 ⼤ 速度 ボー を 蹴 動作をさせ た肢 動 こ Xきe Bin Peng, Pieがer Abbeel, Sergey Leぎine, and Michiel ぎan de Panne. 2018. DeepMimic: Example- gきided Deep Reinforcemenが Learning of Phyかicか- baかed Characがer Skillか. ん も ？ 先⾏研究 ⽐べて何 す い？ 技術や⼿法 肝 ？ うやって有効 検証し ？ 議論 ある？ 次 読むべ 論⽂ ？
46. Feaがきre-Based Locomoがion Conがrollers Martin de Lasa, Igor Mordatch, Aaron Hertzmann Emergence of Locomoがion Behavioきrs in Rich Environmenがs Nicolas Heess, Dhruva TB, Srinivasan Sriram, Jay Lemmon, Josh Merel, Greg Wayne, Yuval Tassa, Tom Erez, Ziyu Wang, S. M. Ali Eslami, Martin Riedmiller, David Silver DeepMind 複雑 ⾏動 学習を促進す ため 豊 環境 う 役⽴ を探 た 具体的 ま ま 環境 コンテキ ト ー ントをトレーニン た 豊 環境 幅広いタ ー ントをト レーニン す 学習 た⾏動 質 堅牢性 向 上 そ を学ぶこ ⼀⾒複雑 環境を選択す 実際 学習 容易 可能 性 あ こ を⽰ た キ ターの現実的 移動を作成す ため の効果的 柔軟 物理ベー のコン ー の提案 Figure 7: Time lapse sequences of the Humanoid navigating different terrains
47. Phase-Functioned Neural Networks for Character Control DANIEL HOLDEN, University of Edinburgh TAKU KOMURA, University of Edinburgh JUN SAITO, Method Studios A Deep Learning Framework for Character Motion Synthesis and Editing Daniel Holden∗ Jun Saito† Taku Komura‡ University of Edinburgh Marza Animation Planet University of Edinburgh ⼤規模 ー ン ータベー を使⽤し ー ンマニ ー を学習し 次 ー ー⼊⼒ 出⼒ ー ン間のマッ ン を作 成す こ ⾼ ベ の ーターを出⼒ ー ン マッ ン す ー ーニン ー ワー の提案 ⼈間の運動 の周期的⾏動の⽣成 適した Phase-Functioned Neural Network PFNN 呼ば 新しい学習 ー ワー を使⽤ した タ キ ター制御 カニ の提⽰ ンタ ーン キ ターを制御す の 最適
48. Ball Dribbling for Humanoid Biped Robots: A Reinforcement Learning and Fuzzy Control Approach Leonardo Leottau(&), Carlos Celemin, and Javier Ruiz-del-Solar Department of Electrical Engineering and Advanced Mining Technology Center, Universidad de Chile, Santiago, Chile ーマノ ッ ッカーのコン キ ー の 動作を ・TSK-FLCを使⽤し 実⾏さ た ン 動作 ・ ー を押す動作 の⼆つ問題 分割す こ よ 化す ⽅法 論を提案
49. ͲΜͳϞϊʁ ઌߦݚڀͱൺ΂ͯͲ͕͍͜͢͝ʁ ٕज़΍ख๏ͷ؊͸ʁ Ͳ͏΍ͬͯ༗ޮͩͱࣔͨ͠ʁ ٞ࿦͸͋Δʁ ࣍ʹಡΉ΂͖࿦จ͸ʁ σδλϧελΠϧσβΠϯʹؔ͢Δݚڀ
    IUUQTXXXKTUBHFKTUHPKQBSUJDMFKKTQF@@@QEGDIBSKB ҙঊσβΠϯͱͯ͠ͷγϘΛίϯϐϡʔλͷΞϧΰϦζϜ
    ʹΑͬͯ؆୯͔ͭ௚ײతʹ͚ͭΕΔ نଇతͳγϘΛ͚ͭΔ͜ͱ͸Մೳ͕ͩͬͨɺ
    ෆنଇͳγϘΛ͚ͭΔ 
    6ODPOWFOUJPOBM
    $PNQVUBUJPO
    UI
    *OUFSOBUJPOBM
    $POGFSFODF
    6$
     $HʹΑΔ࣭ײදݱͷͨΊͷ̏࣍ݩ࿈ଓͳΏΒ͗ͷੜ੒ख๏
    ਓ͕շɾෆշΛײ͡Δཧ༝
    TFMGTJNJMBS
    GSBDUBM
    TFUT
    4PNF
    SFTVMUT
    PS
    qBDUBMSJLF
    CFIBWJPS
    &HH
    TJHOBM ࣗવʹ಺ࡏ͍ͯ͠ΔϑϥΫλϧΏΒ͗ͷγεςϜΛ࢖͏ γϘجૅܗঢ়ΛϋονϯάͰࣔͨ͠ϞδϡʔϧΛσʔλͰඳըͨ͠ ΏΒ͗Λؚ·ͳ͍σʔλͩͬͨͨΊɺΏΒ͗ͷఆٛ΋ඞཁͰ͋Δ
50. Better Because It’s New: The Impact of Perceived Novelty on the Added Value of Mid-Air Haptic Feedback Isa Rutten, David Geerts 超音波 ッ ッ 提供 空中触覚 MAH ッ 使用体験 質 影響 調査 ？ 参加者 手 ェ 検出 ン付 MAH Ultrahaptic Stratos 開発キッ © 接続 ノ ソ ン ェ ン 選択 含 6 行 うや 有効 検証 ？ ェ ン選択時 MAH ッ 評価 主観的 作業量 く 一般的 魅力 経験 喜び 両方 組 合わ 初 研究 あ 先行研究 比 い？ 手 限 い MAH ッ 活用や異 種類 ェ 間 比較 HCI 新規性 影響 評価 や体系的 開発 後考え 議論 あ ？ 条件 散的 MAH 視覚 ッ 両方 連続 条件 連続的 MAH 視覚的 ッ 両方 視覚的 条件 視覚的 ッ 散的 条件 散的 MAH ッ 連続的 条件 連続的 MAH ッ 質問票 NASA-TLX 評価 技術や手法 キ ？ Euan Freeman, Stephen Brewster, and Vuokko Lantz. 2014. Tactile Feedback for Above-Device Gesture Interfaces: Adding Touch to Touchless Interactions. 次 論文 ？ CHI ’20
51. Tactile Feedback for Above-Device Gesture Interfaces: Adding Touch to Touchless Interactions Euan Freeman, Stephen Brewster, and Vuokko Lantz 手や指 動 使 空中 ン ェ 使 対話 可能 ェ ン ェ 関 研究 超 音波 や空気渦生成 技術や ェ 用い ェ ン ェ 遠隔 触覚 ッ 効果的 設計 い 触覚 ッ ン ェ ン ン時間 影響 い 特定 ン ェ や く や 触覚 ッ 強く好 わ Exploring the Use of Mid-Air Ultrasonic Feedback to Enhance Automotive User Interfaces Kyle Harrington, David R. Large, Gary Burnett, and Orestis Georgiou 経験豊富 48 人 ン選択 操作 繰 返 行 い ン 従来 ッ ン 仮想的空中 ェ ン ェ 比較 ン ェ 超音波 使用 触覚 ッ 有無 結果 ェ 空中触覚 ッ 組 合わ 特 効果的 交通状況 目 時間 短縮 わ 特 ェ 併用 ン ン時間 最短 参加者 支持 AutomotiveUI '18 ICMI '14
52. Invisible Touch: How Identifiable are Mid-Air Haptic Shapes? Isa Rutten, William Frier, Lawrence Van den Bogaert, and David Geerts 19 歳 77 歳 50 参加者 対象 8 種類 異 空中触覚 形 識別 関 人々 学習能力 調査 異 形状 素早く識別 いう意 味 ，空中触覚技術 効率的 相互作用 人間 能力 い 焦点 当 研究 結果 短い学習段階 経 空中触覚 形 簡単 識別 そ 年齢 ォ ン 下 大 く関 実装 課題 多い 単純 線 ベ 形状 方 円形 比 識別精度 高い いう結果 得 AIREAL: interactive tactile experiences in free air Sodhi, R., Poupyrev, I., Glisson, M., and Israr, A. AIREAL 物理的 身 く 自由 空気中 効果的 表現力豊 触覚 提供 新 い触覚技術 あ 空気渦 使用 1m 超え 距 使用 効率的 比較的安価 拡 張性 高い自由空気触覚 設計 可能 柔軟性 あ ノ 使う 任意 置 渦 作 AIREAL ン 奥 行 画像 ン 統合 手 頭 体 3D 追跡 ン ン 行え ACM Transactions on Graphics 2013 CHI '19
53. Imaginary phone: learning imaginary interfaces by transferring spatial memory from a familiar device UIST'11 Gustafson, S., Holz, C., and Baudish, P. 想像 ン ェ 空間的 非視覚 ン ェ 使い方 学習 方法 提案 移動学習 呼 代替的 使い 既 使い慣 機器 模 架空 ン ェ 設計 ， 現実世界 画面 ン ェ 模 架空 ン ェ 操作 空間知識 伝達 呼ぶ 物理 使用 い 間 空間記憶 自動的 蓄積 事 機器 取 出 手間 省く 移転学習 ンや計器盤 広い範 適用 可能性 あ
54. どんなもの？ どうやって有効だと確証した？ 先⾏研究と⽐べてどこがすごい？ 技術や⼿法のキモはどこ？ 議論はある？ 次に読むべき論⽂は？ 空間化されたオーディオ信号を⽣成するアルゴリズムで動的なシーン でサウンドをレンダリングできる。インタラクティブなサウンドレン ダリングシステムの提案 GAはより⾼い周波数に対してのみ正確であり、錐台トレースの反射 と回折の精度は再⼤細分割の関数として変化すること。回折定式化は UTDに基づいていてエッジの⻑さが波⻑よりも⼤幅に⻑い。アーチ ファクトのないレンダリングの⽣成 オブジェクトの場所や動きなど環境に関する重要な詳細を3つのプロ セスに分ける。⾳の伝搬（⾳響空間を表すインパルス応答の計算）と オーディオレンダリング（インパルス応答と空間化されたオーディオ 信号の⽣成、⾳の合成である。⾳波を光線として表す幾何学的⾳響学 に基づいてモデル化している いくつかのレベルの並列アルゴリズムを利⽤して計算を⾼速化し ている。（レイトレーシング）エッジ回折の精度を向上させる。 錐台トレースを使⽤してシーンとシステムパフォーマンスを調べる。 シーンは視覚的に表される。鏡⾯反射と回折、反射と⼆次回折で分け てシミュレーションする ] T. Moeck, N. Bonneel, N. Tsingos, G. Drettakis, I. Viaud-Delmon, and D. Alloza. Progressive perceptual audio rendering of complex scenes. In I3D ʼ07: Proceedings of the 2007 symposium on Interactive 3D graphics and games, pages 189‒196, New York, NY, USA, 2007. ACM RESound:Interactive Sound Rendering for Dynamic Vitual Environments Micah T.Taylor ,Anish Chandak,Lakulish Antani ,Dinesh Manocha University of North Carolina
55. 3D仮想世界での残響⾳のリアルなモデリングにより⾳源の位置 を特定するための重要な⼿がかりをユーザーに提供し、環境の空 間特性を理解する。現在の幾何学⾳響モデリングシステムは残響 ⾳を正確にシュミレートできない。代わりに直接透過と鏡⾯反射 のみをモデル化し、回折は無視する.UTDを利⽤して回路経路の ⾳響効果を計算する。伝播経路を構築するためのビーム追跡アプ ローチ Modeling Acoustics in Virtual Environments Using the Uniform Theory of Diffraction Nicolas Tsingos, Thomas Funkhouser,Addy Ngan,Ingrid Carlbom Bell Laboratories Princeton University リアルタイムの⾳合成のためのアルゴリズムの提案。ゲームなど のインタラクティブなシミュレーションの効果⾳は動的シミュ レーションとユーザー操作を使⽤した3Dモデルから⾃動的に⽣ 成される。物理ベースでアルゴリズムを開発してユーザーが⾃然 な⽅法で制御できるようにする。Javaで実装してシミュレータを リアルタイムで実⾏し再⽣するオーディオパラメータと共に記録 しグラフィックスレンダリングする。 Folley Automatic:Physically-based Sound Effects for Interactive Simulation and Animation Kees van den Doel,Paul G.Kry, and Dinesh K.Pai University of British Columbia
56. 分散仮想空間における残響経路の計算を⼤幅に⾼速化する新しい ビーム追跡アルゴリズムの紹介。単⼀⽅向アルゴリズムよりも⼤ 幅に少ない計算で済みながらアバターの場所のペアからトレース されたビームがそれらの間の残響経路を⾒つけることができる。 追跡アルゴリズムは予測されたアバターの位置と箱型の空間領域 から発するビームを計算し、複数回使⽤して反射パスを計算する Real-Time Acoustic Modeling for Distributed Virtual Environments Thomas Funkhouser,Patrick Min Princeton University Ingrid Carlbom Bell Laboratories 波を積分して任意の3Dシーンで⾳の伝播を正確にモデル化する 効率的な⼿法の提⽰(⼲渉、回折、残響) オフラインのモーダル分析を実⾏することでメッシュの固有値を 使⽤してサウンドをシミ ュレートできる ⾮常に粗いメッシュでの分散を抑えた伝播により、計算を⾼速化 できる。 Accelerated Wave-based Acoustics Simulation Nikunj Raghuvanshi, Nico Galoppo, Ming C.Lin Department of Computer Science UNC Chapel Hill
57. インタラクティブな博物館体験で訪問者との対話を可能にする仮 想空間のオーディオサウンドスケープ。訪問者はヘッドフォンを 着⽤してユーザーの位置情報を特定し⾳源との位置、頭の向きを レンダリングプロセスに⼊れる。現実世界を移動することによっ て仮想オーディオを探索する。2⼈以上の訪問者で共有のオー ディオスペースでいるときオーディオ空間の体験は物理的な近接 によって実現されっる。しかし引き続き個々の訪問者の位置にレ ンダリングされるため同期が難しい Multi-User Interaction in Virtual Audio Spaces Florian Heller,Thomas Knott ,Malte Weiss ,Jan Borchers RWTH Aachen University
58. Bumble bees damage plant leaves and accelerate flower production when pollen is scarce Foteini G. Pashalidou, Harriet Lambert1, Thomas Peybernes, Mark C. Mescher, Consuelo M. De Moraes 先行研究 比べ 議論 次 読 検証方法 セイ ウオオマ ハ チ 花 咲く前 植物 葉 小さ 傷 開花 早 い わ た 意図的 植物 開花 早 食料供給 役立 可能性 あ ハチ 傷 た植物 傷 い い植物 機械的 傷 た植物 比較した The secret lives of bees as horticulturists? Lars Chittka 多く 種類 あ マ ハ チ う 種類 蜂 行動 わ い い
59. A pneumonia outbreak associated with a new coronavirus of probable bat origin ウ 花 ツ チ 花粉 収集 制限 す 形態学的適応 い pollen defenses ツ チ スト ス応答や死亡率 引 上 ツ チ ウ 科花粉 収集 避 う し い Bumblebee Rejection of Toxic Pollen Facilitates Pollen Transfer マ ハ チ サ ニン 含 花粉 嫌うた 収集さ くく 他 植物 受粉 容易 う 花粉 毒性 花粉消費者 対す 防御手段 い Bumble bees regulate their intake of essential protein and lipid pollen macronutrients 花粉 ツ チ 主要 栄養供給源 あ 栄養 質 植物種 大 く異 ツ チ 資源 質 評価し 採餌行動 調整 し 複数 食物源 栄養 ンス う 適応し い 可能性 あ Macronutrient ratios in pollen shape bumble bee (Bombus impatiens) foraging strategies and floral preferences マ ハ チ 花粉 タンパク質：脂質比 基 い 宿主植物種 花粉 選択的 収集す 示した Diet effects on honeybee immunocompetence 食事性タンパク質量 増加 ハチ 免疫力 向 上させ た 食事 多様性 免疫力 増加させた
60. C L = B = - G 0 G . G , GA B FJGJ ,JL A B K G B A S3 1 plr a plr a G: O a g d O a lPjikmg O a a a g M S O ah o g g f b ,00 gmsPnth O ca g P O a a u O8 2 a- G f g OA Q.00R QA RgmsPnth R N a z za x f We L ?
61. - B F C E DF C G , C D A D DD D AAF C DH KP F , E b Lq M b Lyw lp L YJ b gb ql YJ a b hd m t v N A oL Lu n b b oL Lu l K c Y Ly a b yuql Zj ac D D C K b L LqN ,, l Y J hi S b b b rl l K ZeWyuqc aRiJ Ks LyL K b b V
62. - - . 5 A 75 7 5 5 7 E myjt s k Word2vecd e s …E myjt hu Mba d E myjt s o d ND j mo kd E Mb Wikipedia rimtl m D d cP Y - C 5 A 5 , 0 5 5 E Y MYn t d G n t a Y Enz r jm K d N D T d
63. . . . . B B B , B ) B . G A D ( B B B .D - I T c s p mzKb M J hfb dag c s rat a A I P Kivyfb Ko cHn clea Huk ylea Rhfb
64. 4OBQ5P*U
    "
    6TFS*OTQJSFE
    1MBUGPSN
    GPS
    0QQPSUVOJTUJD
    %FWJDF
    *OUFSBDUJPOT  ͲΜͳ΋ͷʁ ઌߦݚڀͱൺֱͯ͠Կ͕͍͢͝ʁ ٕज़΍ख๏ͷ؊͸ʁ ༗ޮੑͷ࣮ূํ๏͸ʁ ٞ࿦͸͋Δ͔ʁ ࣍ʹಡΉ΂͖࿦จ͸ʁ ϞόΠϧσόΠε͔Βۙ͘ͷϓϦϯλͱ͍ͬͨ૷ஔΛ੍ޚ͢ΔγεςϜ ʮ4OBQ5P*UʯΛ։ൃɻૢ࡞͍ͨ͠૷ஔΛϞόΠϧσόΠεͷΧϝϥͰࡱ Ө͠ɺࣸਅΛ-"/ܦ༝ϚϧνΩϟετͰ֤૷ஔʹରԠ͢Δ3FNPUF
    4FSWJDF
    1SPWJEFSʹૹ৴͢Δ͜ͱͰɺͦΕΒ͕ࡱӨ৔ॴɾํ޲ɺը૾Λ෼ ੳ͠૷ஔΛબ୒ɾૢ࡞Ͱ͖Δɻ ϢʔβͷσόΠε͕ը૾ॲཧαʔόʹ͍ͭͯࣄલʹ஌͍ͬͯΔඞཁ͕ͳ͍ ͜ͱɻ·੍ͨޚର৅ʹͳΔ૷ஔ͕Ϣʔβ͕ॴ༗͍ͯ͠Δඞཁ͕ͳ͍͜ͱɻ ը૾෼ੳ͚ͩͰͳ͘ɺϞόΠϧσόΠεͱ૷ஔͷҐஔؔ܎ɺࡱӨ͞Εͨը ૾ͷํ޲ͱ͍ͬͨ৘ใΛ૊Έ߹ΘͤΔ͜ͱͰɺߴ͍ਫ਼౓ͰϢʔβ͕બ୒͠ ͍ͨ૷ஔΛ൑ผ͢Δ͜ͱɻ ࣮ࡍʹར༻ͨ͠ඃݧऀͷධՁʹΑͬͯɺ͜ͷπʔϧͷ࢖͍΍͢͞ΛධՁ͠ ͨɻ·ͨ૷ஔબ୒ͷਫ਼౓ʹ͍ͭͯ͸ɺଞͷํ๏ʢ23ίʔυʹΑΔબ୒΍ը ૾෼ੳΞϧΰϦζϜͷΈΛ༻͍ͨ΋ͷʣͱͷൺֱʹ͓͍ͯ༗༻ੑΛ൑ఆ͠ ͨɻ ૷ஔͱϞόΠεσόΠεͱͷؒͷೝূʹ͓͍ͯɺηΩϡϦςΟ্ͷ໰୊͕ ͋Γɺσδλϧূ໌ͷಋೖ͕ݕ౼͞Ε͍ͯΔɻ ૷ஔͷԕ੍ִޚʹؔ͢Δ࿦จɻ
65. *OUFSBDUJPO
    5FDIOJRVFT
    GPS
    $SFBUJOH
    BOE
    &YDIBOHJOH
    $POUFOU
    XJUI
    1VCMJD
    %JTQMBZT 
    
    ύϒϦοΫσΟεϓϨΠ্Ͱσδλϧ޿ࠂΛ੍࡞͢ΔͨΊͷϓϥοτϑΥ ʔϜͷఏҊͱɺίϯςϯπΛσΟεϓϨΠͱަ׵͢ΔͨΊͷܞଳి࿩ϕʔ εͷΠϯλϥΫγϣϯख๏ʹ͍ͭͯௐࠪͨ͠ɻௐࠪͷ݁Ռɺίϯςϯπ Λ࡞੒͓Αͼަ׵͢ΔͨΊͷ୯Ұͷ࠷ྑͷख๏͸ଘࡏ͠ͳ͍͜ͱ͕෼͔ Γɺঢ়گʹΑͬͯ޷·ΕΔΠϯλϥΫγϣϯख๏ɺ৘ใͷೖྗ૷ஔ͕ҟ ͳΔ͜ͱ͕൑໌ͨ͠ɻ %FFQ
    4IPU
    "
    'SBNFXPSL
    GPS
    .JHSBUJOH
    5BTLT
    "DSPTT
    %FWJDFT
    6TJOH
    .PCJMF
    1IPOF
    $BNFSBT 
    
    ΞϓϦέʔγϣϯͷঢ়ଶΛܞଳి࿩ͷΧϝϥΛ࢖༻ͯ͠σόΠεؒͰస ૹͰ͖ΔΑ͏ʹ͢Δ͜ͱͰɺλεΫͷҠߦΛαϙʔτ͢ΔϑϨʔϜϫʔ ΫͰ͋Δ%FFQ
    4IPUΛ঺հͨ͠ɻΞϓϦը໘͕ࡱӨ͞Εͨը૾͔ΒϢʔ β͕ૢ࡞ର৅ͱ͍ͯ͠Δ෦෼Λಛఆɺ͓Αͼݱࡏͷঢ়ଶͳͲͷʮਂ͍৘ ใʯΛΩϟϓνϟ͢Δ͜ͱͰεϜʔζͳҠߦΛՄೳͱͨ͠ɻ
66. 4NBSUFS
    0CKFDUT
    6TJOH
    "3
    UFDIOPMPHZ
    UP
    1SPHSBN
    1IZTJDBM
    0CKFDUT
    BOE
    UIFJS
    *OUFSBDUJPOT
    $)*
     4NBSUFS
    0CKFDUTγεςϜ͸Χϝϥ෇͖୺຤Λ෺ཧ తͳΦϒδΣΫτʹ޲͚Δͱ"3ΞϓϦέʔγϣϯ͕ ͦΕΛೝࣝ͠ɺͦΕͷૢ࡞΍ଞͷΦϒδΣΫτͱͷ ૬ޓ࡞༻ΛՄೳʹ͢Δ(6*Λఏڙ͢Δ͜ͱʹΑͬͯɺ ೔ৗͷΦϒδΣΫτͱͷΠϯλϥΫγϣϯΛαϙʔ τ͢ΔγεςϜͰ͋Δɻ͜ͷγεςϜΛར༻͢Δ͜ ͱͰɺ෺ཧΦϒδΣΫτʹΑΔ෺ཧΠϯλϑΣʔε ͱ"3ٕज़ʹΑͬͯఏڙ͞ΕΔԾ૝ΠϯλϑΣʔεΛ γʔϜϨεʹ૊Έ߹ΘͤΔ͜ͱ͕Ͱ͖ɺϢʔβ͸৮ ֮ͱࢹ֮ೝࣝͷόϥϯεΛͱΓͳ͕ΒෳࡶͳΠϯλ ϥΫγϣϯ͕ՄೳʹͳΔɻ 0QFO
    1SPKFDU
    "
    -JHIUXFJHIU
    'SBNFXPSL
    GPS
    3FNPUF
    4IBSJOH
    PG
    .PCJMF
    "QQMJDBUJPOT 6*45
     ϞόΠϧσόΠεͷը໘Λෳ਺ͷσΟ εϓϨΠ΁ଈ࠲ʹɺͦͯ͠؆қʹ౤ Ө͢ΔͨΊͷ8FCϕʔεͷϑϨʔϜ ϫʔΫʮ0QFO
    1SPKFDUʯΛ։ൃ͠ ͨɻ౤Өͨ͠σΟεϓϨΠ্ʹදࣔ ͞Εͨ23ίʔυΛΧϝϥͰಡΈऔΔ ͜ͱͰϞόΠϧσόΠεͱ౤Өର৅ ͷσΡεϓϨΠ͸ϖΞϦϯά͞Ε Δɻ·ͨ8FCϒϥ΢βͰ0QFO
    1SPKFDUαʔόʹΞΫηε͠ɺը໘ڞ ༗ηογϣϯΛ։࢝͢Δ͜ͱͰଈ࠲ ʹ౤Ө͕ՄೳʹͳΔɻ
67. 1*$0OUSPM
    6TJOH
    B
    )BOEIFME
    1SPKFDUPS
    GPS
    %JSFDU
    $POUSPM
    PG
    1IZTJDBM
    %FWJDFT
    UISPVHI
    7JTJCMF
    -JHIU 6*45
     1*$0OUSPMͱ͸ɺط੡ͷख࣋ͪখܕϓϩδΣΫλʔΛ࢖༻͠ɺՄࢹޫΛհ ͯ͠෺ཧσόΠεΛ௚઀੍ޚ͢ΔͨΊͷΞϓϩʔνͰ͋Δɻ੍ޚର৅ͷσ όΠεʹ޲͚ͯΠϯλϑΣʔεͱͳΔը૾Λ౤Ө͠ɺߦ͍͍ͨૢ࡞ͷ(6* ͷҰ෦෼ΛσόΠεʹઃஔ͞Εͨʢޫʣηϯαͷ্ʹॏͶ߹ΘͤΔ͜ͱ Ͱɺ੍ޚ৴߸Λૹ৴͢Δ͜ͱ͕Ͱ͖Δɻஶऀ͸ࠓޙখܕԽ͞Εͨϓϩδ ΣΫλʔ͕ϞόΠϧσόΠεʹ౥ࡌ͞ΕΔΑ͏ʹͳΓɺ͜ͷΞϓϩʔν͕ ޿͘࢖͑ΔΑ͏ʹͳΔͩΖ͏ͱߟ͍͑ͯΔɻ
68. Tomosuke Maeda / Tetsuo Kurahashi https://dl.acm.org/doi/abs/10.1145/3355049.3360519 どんなもの？ 先行研究と比べて何がすごい？ 技術の手法や肝は？ 議論はある？ どうやって有効だと検証した？ 次に読むべき論文は？ Ther- malBracelet: Exploring Thermal Haptic Feedback Around the Wrist. In Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems (CHI ’19) 言及なし 検証していない 指先や手にのみ触覚を提示する研究が多いが、これは全身へと提示すること が可能。それによりより没入感を与えられる。 振動、熱/風・圧力の三つの触覚を提示する、ウェアラブルな触覚提示デバ イスのモジュール化。それを用いた全身への触覚提示 Haptiple: A Wearable, Modular and Multiple Haptic Feedback System for Embodied Interaction (SIGGRAPH Asia2019) 各モジュールはバンドをつけて手首や足首に装着できるように。また、体にはバン ドを巻き、それにモジュールを貼り付けることで体に全身にモジュールを取り付け られる。 各モジュールとは無線で通信している。
69. Roshan Lalitha Peiris / Yuan-Ling Feng / Liwei Chan / Kouta Minamizawa https://dl.acm.org/doi/abs/10.1145/3290605.3300400 どんなもの？ 先行研究と比べて何がすごい？ 技術の手法や肝は？ 議論はある？ どうやって有効だと検証した？ 次に読むべき論文は？ HMDVRのための可視光LEDによる手への非接触型温覚提示 被験者実験を行った 手首周辺の熱触覚についての研究は限られていた。 手首へ熱刺激を提示するブレスレット型の温覚デバイスについて調査したもの。 適切なアクチュエイターの数やその知覚のされ方を検証した。 振動型のhapticデバイスと比較し、熱型の方がより正確に情報を伝えられることを 示し、温覚デバイスが有用な情報伝達デバイスになりうることを示した。 ThermalBracelet: Exploring Thermal Haptic Feedback Around the Wrist (CHI2019)
70. 界 瑛宏 / 山口 勉 / 三武 裕玄 / 長谷川 晶一 https://www.jstage.jst.go.jp/article/tvrsj/24/1/24_83/_article/-char/ja/ どんなもの？ 先行研究と比べて何がすごい？ 技術の手法や肝は？ 議論はある？ どうやって有効だと検証した？ 次に読むべき論文は？ Development of High-Speed Thermal Display Using Water Flow 被験者によって必要な光量に差があった。 被験者実験。 LED点灯から加熱を知覚するまでの時間、消灯から加熱停止を知覚するまでの時間 を計測した。 ペルティエ素子を用いたものでは触覚の影響も受けるが、非接触なためその影響を 受けない。炎やお湯などの不定形、流体などの感覚を再現できる。 ハロゲンを用いて非接触で温覚を提示するものがあったが、照射をやめてからも熱 が残ってしまっていたが、このLEDではより熱が残りにくい。 LEDを用いて可視光を照射することで、輻射熱によって非接触で温覚を提示するも の。炎やお湯などの不定形、流体などの感覚を再現できる。 温度差弁別閾を超えるためきちんと知覚され、それでいて温度が上がりすぎないた め火傷の心配もない。 HMDVRのための可視光LEDによる手への非接触型温覚提示
71. Masamichi Sakaguchi / Kazuki Imai / Kyohei Hayakawa https://link.springer.com/chapter/10.1007/978-3-319-07731-4_24 どんなもの？ 先行研究と比べて何がすごい？ 技術の手法や肝は？ 議論はある？ どうやって有効だと検証した？ 次に読むべき論文は？ HydroRing: Supporting Mixed Reality Haptics Using Liquid Flow 実験 小さな面積の空間分割刺激で温度を調節し、高速での温度変化を実現するも のはあったが、それは温度自体が高速で変化しているわけではない。 温度の異なる水を流すことによって素早い温度の変化を実現した温冷覚提示 システム。弁を用いて温水と冷水と流し変えることで、約1秒で35度の温度 変化をもたらす。 Development of High-Speed Thermal Display Using Water Flow マテリアル&メソッド
72. Teng Han, Fraser Anderson, Pourang Irani, Tovi Grossman https://dl.acm.org/doi/abs/10.1145/3242587.3242667 どんなもの？ 先行研究と比べて何がすごい？ 技術の手法や肝は？ 議論はある？ どうやって有効だと検証した？ 次に読むべき論文は？ Designing a Non-contact Wearable Tactile Display Using Airflows. 触覚提示デバイスはより没入的な触覚提示のためにデカくてかたく、ユーザーの 元々の皮膚感覚や器用さを損なってしまっている。 日常的に使うためのデバイスはそれらの元々の感覚を極力損なわないことが必要。 水の流れをもちいて振動、圧力、熱を伝えるミニマルな指輪型デバイス 人工的な触覚・温覚提示を行いながら、実世界に対する操作や知覚を妨げないこと が特徴。 HydroRing: Supporting Mixed Reality Haptics Using Liquid Flow (UIST2018)
73. Jaeyeon Lee / Geehyuk Lee https://dl.acm.org/doi/abs/10.1145/2984511.2984583 どんなもの？ 先行研究と比べて何がすごい？ 技術の手法や肝は？ 議論はある？ どうやって有効だと検証した？ 次に読むべき論文は？ ウェアラブルなデバイスを考える際、きつく締め付けるものは不快である点を非接 触型にすることで解決 airflow-based displayにおいて、airflowへの人間の知覚についての実験的データに基づ いたものがなかったため、それらのデータを集めた ウェアラブルなairflow-based display. airflowについて、intensity, temporal, spatialなどの閾値について精神物理学的実験を おこない、実験に基づいたデータを明らかにした Designing a Non-contact Wearable Tactile Display Using Airflows. (UIST2016)
74. ͲΜͳ΋ͷ ઌߦݚڀͱൺ΂ͯԿ͕͍͢͝ ٕज़΍ख๏ͷΩϞ͸Ͳ͜ Ͳ͏΍ͬͯ༗ޮͩͱݕূͨ͠ ٞ࿦͸͋Δ ࣍ʹಡΉ΂͖࿦จ͸ 
    ਓؒίʔε $PMPS
    5SBOTGFSʹ͓͍ͯର৅ը૾ͱࢀরը૾ͱͷߏਤ͕ஶ͘͠ҟͳ Δঢ়گԼʹ͓͍ͯ΋
    ෆࣗવͳը૾ͱͳΒͳ͍Α͏ʹ͢Δख๏ ઌߦݚڀͰ͸࢒૾΍ޫͷྠ͕ม׵ޙʹݱΕ͍ͯͨΓ͍͕ͯͨ͠
    ຊख ๏Ͱ͸վળ ର৅ը૾ͱࢀরը૾ͱͷؒͰҙຯతͳରԠ͚ͮΛࢪͯ͠
    ಉ͡ҙຯΛ ࣋ͭ΋ͷ͕ಉ͡৭ʹͳΔΑ͏ʹͨ͠
    ۩ମతʹ͸྆ը૾͔Β7((ಛ ௃Λநग़͠
    ಛ௃Ϛοϓ্Ͱ࠷ۙ๣୳ࡧΛߦ͏ ର৅ը૾ͱࢀরը૾͕େ͖͘ҟͳΔΑ͏ͳαϯϓϧΛ͖࣋ͬͯ ͯ
    طଘख๏ͱൺֱ ର৅ը૾ʹ͸ଘࡏ͢Δ͕ࢀরը૾ʹ͸ଘࡏ͠ͳ͍ྖҬͷͨΊʹ
    ৭ͷ స͕ࣸਖ਼͘͠ߦΘΕͳ͍Մೳੑ͕͋Δ
    
    վળࡦͱͯ͠͸Πϯελ ϯεϥϕϧΛ࣋ͬͨσʔληοτͰτϨʔχϯά͢Δ͜ͱ͕ߟ͑Β ΕΔ 4UZMF
    5SBOTGFSʹؔ͢Δ࿦จ Progressive Color Transfer With Dense Semantic Correspondences
75. ೥ͷ$PMPS
    5SBOTGFSͷ࿦จ
    ͜ͷࠒ͸ηϐΞͱ͍ͬͨ(MPCBM
    DPMPS
    NPWF΍UPOF
    DVSWFͳͲʹج͍͍ͮͯͨ
    ฏۉɾ෼ࢄϕʔεͷ ख๏ͱΧϥʔώετάϥϜϕʔεͷख๏͕͋Δ͕ࠓճͷ͸ͦͷؒΛ ͱΔख๏ $PMPS
    USBOTGFSʹ͓͍ͯҰରҰͷ΋ͷ͚ͩͰͳ͘
    ෳ਺ͷλʔήοτ ը૾Λར༻ͯ͠ߦ͏ख๏ΛఏҊ
    Ϣʔβʔ͕खಈͰೖྗͱෳ਺ͷࢀর ͱͷؒͷࢀরΛఏڙͯ͠
    ࣍ʹ-PMPZ
    MJOFS
    &NCFEJOHϝιουΛ༻ ͍ͯΨΠμϯεΛ఻೻
76. ೋͭͷը૾ͷؒͷҙຯతʹରԠͷ͋Δؔ࿈Λൃݟ͢ΔͨΊʹz%FFQ
    *NBHF
    "OBMPHZzͱ͍͏ख๏ΛఏҊ
    "ͱ#`͕ط஌ͷը૾ͱͯ͠" "`##`ͱ͍͏ΞφϩδʔΛجʹ"` #෩ͷ" ͱ#` "෩ͷ#ʣΛਪ ఆ͢Δ
    ্ਤࢀর αϯϓϧը૾ͷܳज़తͳελΠϧΛιʔεը૾ʹద༻͢Δख๏
    ͜ͷ ख๏Ͱ͸ೖྗը૾Λυϥϑτ
    ϖΠϯτ
    Τοδͷͭͷίϯϙʔω ϯτʹ෼ղ͢Δ͜ͱͰίϯςϯπͱελΠϧΛผݸʹߟ͑Δ
77. ͦΕ·Ͱͷύονϕʔεͷख๏ͱ͸ҟͳΓ
    ը૾ͷελΠϧΛMPDBM
    UFYUVSF
    USBOTGFSͱͯ͠Έͳ͠࠷ऴతʹHSPCBM
    DPMPS
    USBOTGFSͱ૊ Έ߹ΘͤΔख๏
    ελΠϧͷ෼ղ͕γϯϓϧͰޮ཰ͳదԠܕը૾෼ׂ ͰͰ͖Δ͜ͱΛࣔͨ͠
78. Deep Extraction of Manga Structural Lines CHENGZE LI, XUETING LIU, TIEN-TSIN WONG ? パターン 豊富 マン 明確 滑 構造線 抽出す た CNNベース 方法 先行研究 比べ す い? 構造線 複雑 パターン 覆わ い 場合 明確 抽出 可能 あ 視覚的 品質 点 最先端 方法 大幅 上回 技術や手法 モ ･任意 画面パターン 持 マン 構造線 抽出す た 調整 さ た 新しい畳 込 ニュー ネットワーク フ ー ワーク ･豊富 ト ーニン ータセット 自動的 生成す 方法 うや 有効 検証した? 異 スタイ 様々 マン ストし 完成画像 定量的評価 そ い 関連す 手法 比較 議論 あ ? ･高度 意味理解 手描 コン ンツ(ハッチン や細部 ) パターン 構造線 分類す 難しい場合 あ ･黒 領域(パターン 一部) 非常 太い構造線 混同 次 読 べ 論文 ? Learning to simplify: fully convolutional networks for rough sketch cleanup. ACM Trans. Graph.35,4(2016),121.
79. Separation of Manga Line Drawings and Screentones Kota Ito, Yusuke Matsui, Toshihiko Yamasaki and Kiyoharu Aizawa スク ーントーン 除去し 線画 抽出す 方法 提案 LoG (Laplacian of Gaussian)フ タ スク ーントーン 除去す マ スク FDoGフ タ(Flow-based Difference of Gaussian) 線 保持す マスク 生成し 結果 適切 マー す 線画 決定す 最終的 マスク 生成す スク ーントー ン 様々 種類 対し 安定し い Digital Reconstruction of Halftoned Color Comics Johannes Kopf Dani Lischinski ス ンした ーコ ックや ーイ スト 高解像度 タ 読書装置 適した 高品質 再ス ー ン 可能 タ 表現 自動変換す た 新しいツー 提供 印刷物 ハーフ トーン処理(スク ーニン )さ い た モア パターン 発 生 防 等 目的 スタ スプ イ用 スク ーニン す 必要 あ そ 手法 可能 す CMYインク 非線形 最適化 回復し 黒 線画 スク ーニン さ い いた 解像度 依存し い う ベクト 化す
80. Stereoscopizing Cel Animations Xueting Liu Xiangyu Mao Xuan Yang Linling Zhang Tien-Tsin Wong 2Dセ アニ ーション 立体化す 新しい方法 紹介 方法 自動 中間結果 対し 直接的 調整や制約 行い ユー 制御 オプション 提供す T字型接合部 手 し 領域 順序 行い フ ット問題 定式化し フ ー 全体 時間的 一貫性 維持す 決定さ た順序 不等式制約 ユー 入力 優先度 高い制約 し 使用し 最適化問題 し 定式化し 深度合成 行う Learning to Simplify: Fully Convolutional Networks for Rough Sketch Cleanup Edgar Simo-Serra Satoshi Iizuka Kazuma Sasaki Hiroshi Ishikawa 一連 畳 込 演算子 学習 基 い ス ッチ図面 自動的 簡略化し ベクト 化さ た高品質 図面 出力す 新しい手法 紹介 任意 解像度やアス クト比 画像 直接簡略化 入力 同 次元 ス ッチ 出力 完全畳 込 ニュー ネット ワーク 構成さ モ 簡略化す 教え た フ 簡略化さ たス ッチ図面 ア 新しい ータセット 提示す 入力 ベクト 画像 制限し い(鉛筆 ス ッチ ス ン 良い)点 計算時間 短い点等 既存 手法 上回
81. Manga Colorization Yingge Qu Tien-Tsin Wong Pheng-Ann Heng マン ー化す た 新しい手法 提案 領域 望 しい色 落書 す パターン 連続す 領域内 色 自動的 伝 播す 境界 パターン 連続性 監視す ベ セット法 伝達さ 開いた境界 あ 領域 た 類似したパターン 持 複数 分離さ た領域 1 落書 賢くセ ント化 さ パターン連続性速度関数 導入す 目標 達成 元 クスチ や構造 維持し 強度連続領域 く 大 パターン連続性 持 領域 便利 色付 す 可能 あ
82. Visual and Verbal Rhetorical figures under Directed Processing vs Incidental Exposure to Advertising Edward F. Mcquarrie David Glen Mick Visual and Verbal Rhetorical figures under Directed Processing vs Incidental Exposure to Advertising Edward F. Mcquarrie David Glen Mick
83. Brand Retrival, Consideration Set, Composition, Consumer Choice, and the Pioneering Advantage Frank R. Kardes Gurumurthy Kalyanram Murali Chandrashekaran Ronald J Dornoff Figures of Rhetoric in Advertising Language Edward F. Mcquarrie David Glen Mick
84. The Impact of Verbal Anchoring on Consumer Response to Image Ads Barbara J Phillips Literary Criticism and Consumer Research: Overveiw and Illustrative Analysis Barbara B Stern
85. Consumer Response to Tropes in Print Advertising Mark Toncar James Munch
86. Cross-checking Semantic Correctness: The Case of Finding File System Bugs どんなものか 先行研究と比べてどこがすごいか 手法のキモ 有効性の検証について 次に読む 議論の有無 Changwoo Min, Sanidhya Kashyap, Byoungyoung Lee, Chengyu Song, Taesoo Kim 複数 実装さ た ー 自動的 検証 を作 出 ソ (主 深い )を静的 解析 JUXTA いう ー を紹介 い ext familyを読 たい ローチ 発見 点 最適 い 他 検証 ー 比 重大 取 こぼ 少 く有用 あ JUXTAを純正 Linux ーネ 54 適用 こ 知 い た ン 118 個 (LoC 5.8K あた 1 個) を発見 ext4 人気 あ を含 39 種類 対応 チを提供 い 一般的 検証 ー ロ 側 そ ソ あ た 検証 を用意 必要 あ た こ ー 自動 判断 複数 実装 検証を行う 取 こぼ 少 く 様々 ソ 適用 こ 先行や 検証 ー 浅い 発見 こ た( 約半分 深い いわ い ) こ ー 深い 発見
87. Security bugs in embedded interpreters どんなものか 内容 どんなものか 内容 Haogang Chen, et al. キ ー X 操作を 前 ー ンを確認 許可さ い い ー ー ン 情報を渡さ い ー 従う必要 あ こ 守 い 全体 整合性 損 わ 可能性 あ そこ タ ン (meta compilation)を使 そ う ーを 静的 解析 手法を提案 い こ ローチ 1.多く ロ そ 知識を伝え こ こ 2.観測 難 い ー 簡単 見 け出 こ こ 3. ー を実行 く 解析 こ ( 関係 実行 難 い ー 解析 ) 4.拡張 い や いこ 点 優 い 信頼さ い いソー 整数 使用前 ニタ け い ー 違反 キ ーを チ タ ン を紹介 い Using Programmer-Written Compiler Extensions to Catch Security Holes Ken Ashcraft, et al. ンタ タ 3 点 キ 上 懸念 あ 1. ー ン 理由 実世界 ンタ タ process isolationやsoftware fault isolation う ン 技術 適応 い い 2. ンタ タ ー を使用 ー 発生 や い(error-prone )信頼さ い ー を検証 う 3. BPF(Berkeley Packet Filter) タ う ー 通常 ネ ワー う 入力 ータを受け入 こ 場合 ー そ 入力 ータ 両方 信頼さ い い可能性 あ そ 広範囲 攻撃 さ さ う 組 込 ンタ タ 起こ う 脆弱性 う 落 穴 そ 影響 キ い 紹介 い
88. Who writes what checkers? — Learning from bug repositories どんなものか 内容 どんなものか 内容 Takeshi Yoshimura, et al. ー ローンさ た ー 大規模開発 い く使わ 重大 ち 既存 検出 ー 大規模ソ 拡張性 い あ い 小さ 変更を扱うこ い そこ ータ ニン を使 OS う 大規模 発見 う たCPMiner いう を提案 い 一般的 こ う ー 解析 時間 実験 20分 Linux 190,000 FreeBSD 150,000 ー ローンさ た ン を発見 さ Linux 28 FreeBSD 23 関連 を発見 た CP-Miner いう ( ー ローン) 起因 を ータ ニン を使 OS う 大規模 発見 う た を提案 い CP-Miner: A Tool for Finding Copy-paste and Related Bugs in Operating System Code Zhenmin Li, et al. あ ー 解析器 いわゆ 有識者やそ 道 ロ 経験則 基 い OS う 大規模 そ う ローチ ターンを見 け こ 難 い そこ (今回 Linux) 自然言語処理を用い ターンを抽出 方法を提案 い 今回 ー チ 意味的 情報 含 い いた C 実際 ー 変更を記述 ー チ 代わ 英語 記述を分析 い 結果 370000以上 を66 タ 分類 さ 新 い2 を発見 た ン固有 チ ー 特 深い 発見 役立 ターンを初 抽出 け い こ 論文 自然言語処理を使 そ 補助を行う手法を 提案 い
89. ESP: Path-Sensitive Program Verification in Polynomial Time どんなものか 内容 Manuvir Das, et al. ESP(Error Detection via Scalable Program Analysis) いう部分検証 ー 一部 実装さ い property simulation いう を実装 い こ 使用 い path-sensitive解析 実行状態 (例え 変数 値) 2 分岐 沿 異 ロ 制御 ロー内 ンチ 追跡 指数関数的 た 無限 探索空間 う た path-sensitive解析 (時間 空間) こ 論文 ンチ 腕 沿 異 状態 遷移 property FSM(有限状態機械) 場合 ンチ 関連 い 可能性 高い いう ー 基 いた部分検証 た 新 い方法を提案 い 実験 gcc(140,000 LOC) I/O動作を検証 問題 ESPを 適用 た結果を示 gcc ソー ー 中 646回 fprintf呼び出 全 有効 ー ン print 保証さ い こ を証明 た 多項式時間 空間 動く ー ロ 検証 を提案 い
90. どんなもの？ 先⾏研究と⽐べてどこがすごい？ 技術や⼿法のキモ どうやって有効だと検証した？ 議論はある？ 次に読むべき論⽂は？ 1枚の⾵景画像から、雲などの「動き」と⾊などの 「⾒た⽬の変化」を別々に予測して周期的なアニメー ションを⽣成する。 ⽣成するアニメーションが⻑すぎる場合は不⾃然な歪 みが⽣じてしまう。 出⼒できるアニメーションの多様性とモデルの⼀般化 能⼒はトレードオフである。 1つの⼊⼒画像に対する最先端の映像予測モデ ルと⽐較。GAN,3DCNNエンコーダ・デコーダ などよりも⾼解像度で⻑いアニメーション⽣成 が可能。 直接出⼒フレームを⽣成するのではなく、正則化を⽤いた学習 で予測した中間マップから間接的に⽣成している。⻑い時間の アニメーションを⾼解像度(1024*576)、⾼品質で誤差を抑えて ⽣成することができる。 数百から数千のタイムラプス動画のデータセットを⽤いた⾃⼰ 教師あり学習により「動き」(雲の流れや⽔の波紋)と「⾒た ⽬」(昼⼣夜といった時間的な⾊の変化)を別々に学習する。こ れは2つの時空間的な違い(同じ時間でも変化の度合いが違う)を 考慮している。従来の⼿法は3次元であったが2次元の畳み込み 層を使⽤して⾼速な学習、予測を可能にしている。 YUKI ENDO, YOSHIHIRO KANAMORI, SHIGERU KURIYAMA Animating Landscape: Self-Supervised Learning of Decoupled Motion and Appearance for Single-Image Video Synthesis 画像操作の⼿法に関する論⽂ シーン補完、タイムラプスマイニング等
91. どんなもの？ 先⾏研究と⽐べてどこがすごい？ ネットから収集した画像から画像領域の継ぎ⽬だけで なく意味的にも類似したもの⾒つけて画像補完を⾏う ⼿法。 ユーザーによるデータへのラベル付けが不要で、⼊⼒画像毎に 複数の結果セットを⽣成できる。 James Hays Alexei A. Efros Scene Completion Using Millions of Photographs siggraph2007 どんなもの？ 先⾏研究と⽐べてどこがすごい？ ユーザーが動かさないようにしたい領域を⽰し、その 領域の⼤きな動きを除去し細かい動きは残す⼿法 背景領域など動きのなかった領域に不⾃然な歪みが⽣じてしま う部分をグラフカットに基づく最適化により、⼊⼒映像の静⽌ 画フレームとワープした映像領域を合成し⾃然な映像を⽣み出 す。 Selectively De-Animating Video Jiamin Bai, Aseem Agarwala, Maneesh Agrawala, Ravi Ramamoorthi
92. どんなもの？ 先⾏研究と⽐べてどこがすごい？ 空の領域を⾃然に置換する⾃動背景置換アルゴリズム ⼊⼒画像から視覚的セマンティクスを抽出し、空と空以外の領 域を区別、⼊⼒画像と意味的なレイアウト内容が⼀致する画像 の検索をし合成できる。 Yi-Hsuan Tsai, Xiaohui Shen, Zhe Lin, Kalyan Sunkavalli, Ming-Hsuan Yang どんなもの？ 先⾏研究と⽐べてどこがすごい？ 有名なランドマークのタイムラプスマイニング インターネットで公開されている写真から各ランドマークのタ イムラプスを⽣成することができる写真を集めて、視点の変化 を補正しフィルターをかけて使⽤可能にする。 Time-lapse Mining from Internet Photos Ricardo Martin-Brualla, David Gallup, Steven M. Seitz Sky is Not the Limit: Semantic-Aware Sky Replacement
93. どんなもの？ 先⾏研究と⽐べてどこがすごい？ ユーザーが最初のフレームと動きの⽅向を指定するこ とで対応した映像を合成することができるシステム 映像を⽣成する際にユーザーがどのような映像を⽣成するかを 制御することができ、その⽣成品質を⾼めた。 Zekun Hao Xun Huang Serge Belongie Controllable Video Generation with Sparse Trajectories
94. Interactive Video Stylization Using Few-Shot Patch-Based Training ONDŘEJ TEXLER, DAVID FUTSCHIK, MICHAL KUČERA, ONDŘEJ JAMRIŠKA, ŠÁRKA SOCHOROVÁ, MENGLEI CHAI, SERGEY TULYAKOV, DANIEL SÝKORA どんなもの？ 先⾏研究と⽐べてどこがすごい？ 技術や⼿法のキモはどこ？ どうやって有効だと検証した？ 次に読むべき論⽂は？ 議論はある？ 選択された少ないキーフレームから残りのシーケンス にスタイルを伝播できるようにするキーフレームベー スのビデオのスタイル変換に対する深層学習を⽤いた ⽅法を提案。 キーフレームへのネットワークの過剰適合を回避するための パッチベースのトレーニング、ハイパーパラメータの最適化 さまざまな視覚的コンテンツ（顔、⼈体、動 物）とさまざまな芸術的スタイル（油絵の具、 アクリル絵の具、チョーク、⾊）を含む、 350×350〜960×540のさまざまな解像度の⼀ 連のビデオシーケンスでアプローチを評価 オブジェクトが時間の経過とともに⼤幅に外観 を変更する場合の問題。 Kotovenko et al. 2019, Ruder et al. 2018 Sanakoyeu et al. 2018 アーティストの意図に従って動くオブジェクトの特定の部分も スタイル化することができる。スタイル化をインタラクティブ に⾏える。
95. Dmytro Kotovenko, Artsiom Sanakoyeu, Sabine Lang, Bjorn Ommer 機械学習によって、芸術家のスタイルを画像に適⽤させ るモデルを実現。 今までのモデルではスタイルの考えうるすべてのバリ エーションを学習する代わりに、そのスタイルの最も⽀ 配的な部分のみを学習し、他の部分は無視するという⽅ 法をとっていた。このモデルでは単⼀のスタイル内の類 似性と不⼀致に⽬を向けることでスタイルとコンテンツ の依存性を解消し、画像に適⽤させることができてい る。 A Style-Aware Content Loss for Real-time HD Style Transfer Artsiom Sanakoyeu, Dmytro Kotovenko, Sabine Lang, and Bjorn Ommer Content and Style Disentanglement for Artistic Style Transfer 以前の研究ではスタイルを単⼀の例または多くの画 像から得ようとするができていないものだった。 スタイル適⽤の新しいアプローチを提案。 単⼀のスタイル画像の制限や類似のコンテンツを表 ⽰するためのスタイルとコンテンツのトレーニング 画像の必要性を克服した。
96. JAKUB FIŠER, ONDŘEJ JAMRIŠKA, DAVID SIMONS, ELI SHECHTMAN JINGWAN LU, PAUL ASENTE, MICHAL LUKÁČ, DANIEL SÝKORA 元の映像と⼊⼒されたスタイル画像の視覚的豊かさを両 ⽅とも維持するポートレートビデオのスタイル設定に対 する新しいアプローチを提案。 リアルタイム全体的な外観とテクスチャの詳細を転送す ることができる。 機械学習の技術を画像合成タスクに合成する傾向であっ たが、単純なノンパラメトリックテクスチャ合成フレー ムワークを使って最先端の結果が得られた。 Image-to-Image Translation with Conditional Adversarial Networks Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, Alexei A. Efros Example-Based Synthesis of Stylized Facial Animations 画像から画像への変換の問題に対する条件付き敵対 ネットワークを⽤いた汎⽤的な解決策を提案。 この解決策により従来は異なった式を⽤いていたも のも同じ汎⽤的なアプローチを適⽤できるような なった。 このアプローチでは、ラベルマップからの写真の合 成、エッジマップからのオブジェクトの再構築、画 像のカラー化に効果がある。
97. Wei-Sheng Lai, Jia-Bin Huang, Oliver Wang, Eli Shechtman, Ersin Yumer, Ming-Hsuan Yang フレームごとに処理されたビデオの時間的なチラつきの 問題を軽減するための回帰型ニューラルネットワークを 提案。 短期的及び⻑期的な時間的損失だけでなく、知覚的損失 も最⼩限に抑えることで、⽬的のネットワークをトレー ニングする。それによって時間的⼀貫性と処理済みフ レームとの知覚的類似性のバランスを保っている。 Learning Blind Video Temporal Consistency.
98. Controllable Artistic Text Style Transfer via Shape- Matching GAN Shuai Yang, Zhangyang Wang, Zhaowen Wang, Ning Xu, Jiaying Liu, Zongming Guo 先行研究 比べ す い 技術や手法 モ うや 有効 検証した 議論 あ 次 読 べ 研究 芸術的 文字変換 即座 行うGANモ 提案 画像 文字 合成 度 合い 芸術的要素or文字 可読性要素 度合い 双向的 手動 調整す 可能 ス ッチモ ュー シス (単一 画像 入力 元 必要 数 ータ 生成す た 使用) 文字 イ ー 合成 ンス 調整機能 実現す ２ 課題 ソース 確保 ア タイ 調節 解決し い 実用性 考え 程度文字 原型 残し 画像 度合い(芸術的観点) 強くす 等 操作可能 パ ータ し 設定可能 し い 所 ( パ ータ 調整す ア タイ 文字 変形度合い 変更 出来 ) 合成性 確 た 文字 画像 1組 合成 .複数 イ ー 画像 一 文字 合成 パ ータ 変化させ 合成度合い 変 化確認 行 た 固定 ウスフ ター 代わ 様々 スタイ 適用 ス ー ロック 検討す 機能 拡張出来 本稿 合成時 利用さ た既存モ Style Net 関連す 等
99. 顔画像 化粧 焦点 当 ，化粧 付加した ・除去した す 変 換 研究 行 た CycleGAN ベース した手法 用い ，顔 パーツ 変換 適用す 高解像度 画像変換 実現 Input す ぴ 参考 イク 入 DRN3層 特徴量 得 Contents 差(Delta Contents) 計算し い PairedCycleGAN: Asymmetric Style Transfer for Applying and Removing Makeup Huiwen Chang, Jingwan Lu, Fisher Yu, Adam Finkelstein Semantic Style Transfer and Turning Two-Bit Doodles into Fine Artwork Alex J. Champandard 既存 スタイ 転送 問題 生成モ クセ ベ 分類ニュー ネットワーク 間 ップ 狭 目標 し クセ ベ 手動 作成す orセマン ックセ ン ーション 既存 ソ ューション 利 用し生成アー クチ セマン ックア ーション 補強す 新しいコ ンセプト 紹介
100. Style Transfer ニュー ネットワーク 活用す アプローチ パ イオニア いえ 論文 VGG う 既存 画像認識ネットワーク 途中 層 画像 し さ 捉え い 仮説 そ 行列 う 表現 実際 効果 あ 損失関数 定義した Image Style Transfer Using Convolutional Neural Networks Leon A. Gatys, Alexander S. Ecker, Matthias Bethge CartoonGAN: Generative Adversarial Networks for Photo Cartoonization Yang Chen, Yu-Kun Lai, Yong-Jin Liu 現実 画像 漫画風 画像 変換す GAN, CatoonGAN 提案 既存 手法 スタイ 持 ハイ ベ 抽象化(や簡単化) 鮮明 エッ ，色 ，比較的簡単 クスチ 等 漫画独特 特徴 表現出来 た 本稿 解決す た 2 損失関数 設定し い
101. Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization Xun Huang, Serge Belongie Instance Normalization スタイ 特徴 統計量 正規化す スタイ 変換 行う いう解釈 IN 拡張した Adaptive Instance Normalization (AdaIN) 提案 中 AdaIN コン ンツ画像 平均 分散 スタイ 画像 そ 置 換え 操作 し い 画像変換 スタイ 品質 速度 訓練時/推論時 柔軟性 例：一度 訓練 適用 スタイ 数 3 ト ー オフ 考え 既存 中 本手 法 ンス 良い手法 言え
102. STATE-OF-THE-ART SPEECH RECOGNITION WITH SEQUENCE-TO-SEQUENCE MODELS 先行研究 比較 重要 技術 実験方法 疑問点・感想 次 読 べ 論文 https://storage.googleapis.com/pub-tools-public-publication-data/pdf/74a8df45b9583e193e6cf8e156dfba9b73c33a0c.pdf Sequence to sequence モ 用い 音声検索 (Siri,Ok google等) 音声 誤認識率 下 手 法 提案 高精度 画像 深さ 求 動 速い動画 対応す 提案手法 言語モ 最適化方法 他 手法 比較 (word error rate 指標 す ) 音声全 聞い 認識す う 利便性 限 度 あ 同時通訳可能 NN 開発す 必要 あ W. Chan, N. Jaitly, Q. V. Le, and O. Vinyals, っLiかがen, aががend and かpell,、 CoRR, vol. abs/1508.01211, 2015. LASモ 対し 様々 音声モ 学習法 検証した Chung-Cheng Chiu, Tara N. Sainath, Yonghui Wu, Rohit Prabhavalkar, Patrick Nguyen, Zhifeng Chen, Anjuli Kannan, Ron J. Weiss, Kanishka Rao, Ekaterina Gonina, Navdeep Jaitly, Bo Li, Jan Chorowski, Michiel Bacchiani
103. Listen, Attend and Spell 先行研究 比較 重要 技術 実験方法 疑問点・感想 次 読 べ 論文 https://arxiv.org/pdf/1508.01211.pdf 多層LSTM 用いたSequence ータ sequence ータ 変換す NN 提案 2000分 音声 ータ 用い 提案手法 言語モ 最適化方法 他 手法 比較(word error rate 指 標 す ) すxxx’ ’aaa’ 認識した際 WER 比較 音声 ータ 特徴量 取得す た Sequence to Sequence Learning with Neural Networks ッ 型 RNN 使う William Chan Navdeep Jaitly Carnegie Mellon University, Quoc V. Le, Oriol Vinyals google Brain そ 時代 他 研究(google) 音声 正確 認識 (WER 10.3%) Ilya Sutskever, Oriol Vinyals, and Quoc Le. Sequence to Sequence Learning with Neural Networks. In Neural Information Processing Systems, 2014.
104. Sequence to Sequence Learning with Neural Networks 先行研究 比較 重要 技術 実験方法 疑問点・感想 次 読 べ 論文 音声認識 い 誤認識率 減 すた NN モ 提案 直近 研究 高い精度(プロ 翻訳 近 い) 直訳 長文 翻訳精度 下 くい 英語 フ ンス語 変換した時 BLUEスコア 他 研究 比較 2 LSTM 用い 連続 ータ(音声) 入力 し 連続 ータ 出力す NN 作 た Ilya Sutskever Oriol Vinyals Quoc V. Le https://papers.nips.cc/paper/5346-sequence-to-sequence-learning-with-neural-networks.pdf
105. IMPROVING THE PERFORMANCE OF ONLINE NEURAL TRANSDUCER MODELS 先行研究 比較 重要 技術 実験方法 疑問点・感想 次 読 べ 論文 ア タイ (生放送 ) 適用可能 音声認識シス 開発 先行手法 頻繁 音声認識 (音声 認識勝利 高速化した) 言語モ 学習ア 変更した時 WER 測定 時系列 ータ 過去 ータ 参照回数 増やす NT 初期化方法 変え LM,WPM 用い Tara N. Sainath, Chung-Cheng Chiu, Rohit Prabhavalkar, Anjuli Kannan, Yonghui Wu, Patrick Nguyen, Zhifeng Chen https://arxiv.org/pdf/1712.01807.pdf
106. Google’か Neきおal Machine Tおanかlaがion Syかがem: Bおidging the Gap between Human and Machine Translation 先行研究 比較 重要 技術 実験方法 疑問点・感想 次 読 べ 論文 翻訳 た 新た NN(GNMT) 開発 使用率 低い単語 正確 翻訳 直近 手法 高速 直近 手法 BLUEスコア(プロ 翻訳 類似度) 翻訳 時間 比較 TPU 使う Wordpiece モ 用い 単語 subword ユニット 分割す Yonghui Wu, Mike Schuster, Zhifeng Chen, Quoc V. Le, Mohammad Norouzi https://arxiv.org/pdf/1609.08144.pdf
107. っMinimきm Woおd Eおおoお Raがe Tおaining foお Aががenがion-based Sequence-to-sequence Models, 先行研究 比較 重要 技術 実験方法 疑問点・感想 次 読 べ 論文 音声認識や翻訳 使うNN 最適化法(学 習方法) 提案 直近 手法 正確 音声認識 WER 近似制度 計測 提案手法 用いた音声認識結果 直近 手法 比較 NN 最適化す 際 log-likelihood(最 尤推定) 用い WER 近似す 値 用い 先行手法 効果的 WER 近似 用い Rohit Prabhavalkar Tara N. Sainath Yonghui Wu Patrick Nguyen Zhifeng Chen Chung-Cheng Chiu Anjuli Kannan https://arxiv.org/pdf/1712.01818.pdf
108. MlioLight: Projector-camera Based Multi-layered Image Overlay System for Multiple Flashlights Interaction どんなもの？ 先⾏研究と⽐べてどこがすごい？ 技術や⼿法のキモは？ どうやって有効だと検証した？ 議論はある？ 次に読むべき論⽂は？ 複数の懐中電灯タイプのデバイスを使⽤して、 画⾯上や実世界のオブジェクト上に複数の画 像をオーバーレイさせるためのプロジェク ターカメラユニットベースのプロジェクショ ンマッピングシステムMlioLightの提案と、 これを⽤いたアプリケーションの開発。 従来のトラッキングマッピングなどと⽐ べてコストが低い。ユーザは実際に懐中 電灯を操作している気分になる。重なり 合う光源に対しても対応できる。 多層に重なり合ったライトを個別に検出・識別 する新たなシステム。まず、ワイヤレストラン スミッタによる操作で、各懐中電灯に搭載され ている⾚外線LEDの発光タイミングをずらす。 さらに、画像処理によって単⼀光源の画像とし て分割し、各光源の重⼼と楕円領域の境界線と の距離を計算し、重複を回避する。 このシステムを⽤いたゲームやアプリ ケーションを開発し、20⼈の⼤学⽣に 体験してもらい、その動作(解像度とラ イトの個数に関する⾃然さ)について評 価してもらった。 コントローラが懐中電灯デバイスだから 拡張性が低い。また、本研究の技術では、 同時に使⽤できる懐中電灯デバイスが5、 ６本ほど。 Bier et al. 1993 Xiang et al. 2007 B. Ridel et al. 2014 Sakaguchi et al. 2013 Naemura et al. 2018 TOSHIKI SATO, DONG-HYUN HWANG, HIDEKI KOIKE
109. どんなもの？ カーソルとアプリケーションの 間に表⽰できる、ガラス板のよ うなパネルのユーザ透過型イン タフェースToolglass and Magic Lensesの提案。このパネ ルがオーバーレイした範囲の形 状や⾊を選択することができる。 ユーザがコントロールパネルを ⾃在にカスタマイズできる。 どんなもの？ ハンドヘルドプロジェクターイ ンタラクションに関する研究。 同じ空間にいるユーザ同⼠のプ ロジェクションのコラボレー ションを可能にした。 どんなもの？ ⽂化遺産などにおける懐中電灯 デバイスを⽤いた⾮接触性のイ ンタラクションの開発。プロ ジェクションマッピングにより インタラクティブなARを実現し た。 Toolglass and Magic Lenses: The See-Through Interface ERIC A. BIER, MAUREEN C. STONE, KEN PIER, WILLIAM BUXTON, TONY D. DEROSE Multi-User Interaction using Handheld Projectors XIANG CAO, CLIFTON FORLINES, RAVIN BALAKRISHNAN The Revealing Flashlight: Interactive Spatial Augmented Reality for Detail Exploration of Cultural Heritage Artifacts BRETT RIDEL, PATRICK REUTER, JEREMY LAVIOLE, NICOLAS MELLADO, NADINE COUTURE, XAVIER GRANIER
110. どんなもの？ 多重化不可視シャドウシステム Restive Shadowの提案。多種の ⾚外線フィルタを取り付けたオ ブジェクトに光を照射すると、 その⾚外線光の波⻑に応じた影 ができ、その形状が変化してい く。 どんなもの？ 懐中電灯で照らされた空間中に 映像を投影できる空中ディスプ レイの提案。反射型LCDを採⽤ し、受動的なシステムを構築し た。エンタメ分野で有効。 Restive shadow: animating invisible shadows for expanding shadowgraph experience SAKI SAKAGUCHI, HIKARI TANO, TAKUMA TANAKA, MITSUNORI MATSUSHITA Passive Mid-air Display TAKESHI NAEMURA, NAOYA KOIZUMI
111. Ϣʔβʔ ΧϝϥϚϯ ͕ࢦఆͨ͠໨ඪͷޫͷ౰ͨΓํΛ
     ࣮ݱ͢ΔͨΊʹपғͷ؀ڥΛج४ʹͯ͠ඃࣸମΛͲͷΑ͏ʹ
     ํ޲෇͚Δ͔ΛఏҊ͢ΔΩϟϓνϟλΠϜπʔϧΛ࣮ূͨ͠ ͲΜͳ΋ͷʁ ઌߦݚڀͱൺ΂ͯͲ͕͜ੌ͍ʁ ٕज़΍ख๏ͷΩϞ͸ʁ Ͳ͏΍ͬͯ༗ޮͰ͋Δͱݕূͨ͠ʁ ٞ࿦͸͋Δʁ ࣍ʹಡΉ΂͖࿦จ͸ʁ ܞଳి࿩΍σδλϧҰ؟ϨϑΧϝϥͰ
     ؆୯ʹ࣮ߦͰ͖Δ΄Ͳͷܭࢉྔͷܰ͞Λ࣋ͪͳ͕Β
     Ωϟϓνϟ࣌ʹे෼ͳੑೳΛҡ࣋Ͱ͖ΔΑ͏ʹઃܭ͞Ε͍ͯΔɻ
     ͦͷͨΊɺϢʔβͷෛ୲ʹͳΒͳ͍ɻ র໌ʹΑΔإͷ֎؍ʹ͸Δ͔ʹେ͖ͳӨڹΛ༩͑Δ͜ͱʹ஫໨ͯ͠
     ௿ղ૾౓ͷ؀ڥϚοϓͰࡁ·ͨ͠ɻ
     ৭ΑΓ΋໌҉͕େࣄͳͷͰ
     ༰ྔͷখ͍͞άϨʔεέʔϧͷ஋Λ༻͍ͨɻ ࠷దԽΞϧΰϦζϜͷϩόετੑΛධՁ͢ΔͨΊʹ
     ͍͔ͭ͘ͷύϥϝʔλ͕ը࣭ࢦඪͱͦͷ݁Ռͱͯ͠ಘΒΕΔ
     ࠷దͳ഑޲֯ʹͲͷΑ͏ʹӨڹ͢Δ͔Λݕ౼ͨ͠ɻ
     ͜ͷπʔϧͷ༗༻ੑʹ͍ͭͯ͸
     ਓ ΞϚνϡΞਓɺܦݧऀਓ ʹϢʔβςετΛͯ֬͠ೝɻ ݻఆর໌Ͱ͋Δ͜ͱ͕લఏʹ͋Δɻ
     ൅ͷໟ͕إʹམͪΔޫΛͲͷΑ͏ʹ
     ःΔ͔ʹ͍ͭͯ͸ߟྀ͍ͯ͠ͳ͍ɻ "ESJFO
     #PVTTFBV
     FU
     BM
      0QUJNJ[JOH
     1PSUSBJU
     -JHIUOJOH
     BU
     $BQUVSF5JNF
     6TJOH
     B
     
     $BNFSB
     BT
     B
     -JHIU
     1SPCF
     +BOF
     -
     &
     
     
     
     
     
     
     
     
     
     0IBE
     'SJFE
     
     
     
     
     
     
     
     
     
     .BOFFTI
     "HSBXBMB 6*45
     
112. ؔ࿈ݚڀ ɾγʔϯ಺ͷϚςϦΞϧͷ֎؍Λ޲্ͤ͞Δ؀ڥϚοϓΛ
     ɹ࠷దԽ͠߹੒͢ΔͨΊͷॳͷࣗಈԽ͞ΕͨγεςϜ
     ɾর໌ͷͨΊʹ࠷దԽ͢ΔͨΊʹը૾ྖҬ্ͷޫ༌ૹΛࣄલʹ౷߹
     ɾطଘͷࣸਅ؀ڥϚοϓΛม׵ͯ͠ૉࡐΛΑΓ
     ɹڧௐ͢ΔͨΊͷͭͷٕज़Λ঺հ ɾγεςϜ͸෺࣭ͷඳࣸʹয఺Λ౰͍ͯͯΔ
     $POUSJCVUJPO
     ɾࢹ֮తಛ௃Λڧௐ͠γʔϯ಺ͷૉࡐΛޮՌతʹදݱ͢ΔͨΊʹ
     ɹ؀ڥϚοϓ͕ຬͨ͢΂͖ઃܭݪଇΛಋ͖ग़ͨ͠
     ɾը࣭ϝτϦΫεΛ࠷େԽ͢Δ؀ڥϚοϓΛղͨ͘Ίͷ
     ɹҰൠతͳ࠷దԽϑϨʔϜϫʔΫΛ঺հ
     ɾ༩͑ΒΕͨը૾ϝτϦΫεͷηοτʹରͯ͠
     ɹ࠷దͳর໌Λ௚઀ੜ੒͢Δ͜ͱ͕Ͱ͖Δ ͜ͷγεςϜΛߏਤ΍ϙʔτϨʔτࣸਅͷΑ͏ͳ
     ଞͷ໨ඪͷݪଇΛߟྀ͢ΔͨΊʹ֦ு͢Δ͜ͱ͸
     কདྷͷݚڀͷͨΊͷ໘ന͍ํ޲ੑΛ͍ࣔͯ͠·͢ɻ 0QUJNJ[JOH
     &OWJSPONFOU
     .BQT
     
     GPS
     .BUFSJBM
     %FQJDUJPO "ESJFO
     #PVTTFBV
     FU
     BM
      ɾਓؒͷإͷ൓ࣹ཰৔Λऔಘͦ͠ͷଌఆ஋Λ༻͍ͨ
     ɹর໌΍ࢹ఺Λ೚ҙʹมԽͤͨ͞৔߹ͷ
     ɹإͷϨϯμϦϯάΛߦ͏ख๏ͷఏҊ
     ɾ৽͍͠র໌ͱࢹ఺ͷԼͰɺਓ෺ͷإͷ߹੒ϨϯμϦϯά
     ɹΛ༻͍ͯ͜ͷٕज़Λ࣮ূ ɾর໌΍ࢹ఺Λ೚ҙʹมԽͤͨ͞৔߹ͷݸਓͷإͷ
     ɹ൓ࣹ཰ͷෳࡶ͞Λਖ਼֬ʹදݱ͢Δํ๏͸͜Ε·Ͱͳ͔ͬͨ
     ɾه࿥͞Εͨը૾Λ΋ͱʹর໌΍ݟΔํ޲͕
     ɹࡾ࣍ݩతʹมԽͨ͠৔߹ͷإΛϨϯμϦϯά͢Δख๏Λ։ൃ
     ɾϥΠτεςʔδσʔλͷڸ໘൓ࣹ੒෼ͱද໘Լ൓ࣹ੒෼Λ
     ɹ෼཭֤͠൓ࣹ੒෼Λ৽͍͠ࢹ఺͔Βݟͨ৔߹ʹ
     ɹͲͷΑ͏ʹݟ͑Δ͔ม׵͢Δ͜ͱ͕Մೳ ີͳর໌ํ޲ɺૄͳࢹ఺ɺճ෮͞ΕͨδΦϝτϦ͔Β
     إͷ൓ࣹ཰ΛϞσϧԽ͢ΔҰൠతͳख๏͸ΑΓҰൠతͳ
     ൓ࣹ཰Ϟσϧ΁ͷద߹΍إͷΞχϝʔγϣϯٕज़ͱͷ૊Έ߹ΘͤͳͲ
     কདྷͷݚڀͷͨΊͷ͍͔ͭ͘ͷ෼໺Λ͍ࣔࠦͯ͠Δ "DRVJSJOH
     UIF
     3FqFDUBODF
     'JFME
     PG
     B
     )VNBO
     'BDF 1BVM
     %FCFWFD
     FU
     BM
     
113. ؔ࿈ݚڀ ϨϯμϦϯά͞Εͨը૾಺ͷর໌ͷಛ௃ʹઢΛεέον͢Δ͜ͱͰ
     ؀ڥϚοϓͷྖҬΛબ୒͢ΔΞϧΰϦζϜͱબ୒ͨ͠ಛ௃͚ͩΛ
     ૉૣ͘௥Ճ͢ΔͨΊͷখ͞ͳฤूૢ࡞ͷηοτΛ૊Έ߹Θͤͨ
     ࣗવর໌Λฤू͢ΔͨΊͷΠϯλϥΫςΟϒͳΠϯλʔϑΣΠεͰ͋Δ
     FOWZ-JHIUΛ঺հ $POUSJCVUJPO
     ɾฤू͠Α͏ͱ͍ͯ͠ΔϥΠςΟϯάϑΟʔνϟ্ʹ
     ɹૉૣ͘ઢΛεέον͢Δ͜ͱͰϢʔβʔ͸؀ڥϚοϓͷྖҬΛ
     ɹબ୒͢Δ͜ͱ͕Ͱ͖·͢
     ɾϚοτ࢓্͔͛Βߴޫ୔࢓্͛·ͰૉࡐͷछྨʹԠͯ͡
     ɹݎ࿚ͳબ୒͕ՄೳͰ͋Δ
     ɾબ୒ͨ͠ϥΠςΟϯάϑΟʔνϟͷҐஔɺίϯτϥετɺ
     ɹΤοδϒϥʔΛૉૣ͘มߋ͢ΔͨΊͷҰ࿈ͷฤूૢ࡞ͷఏڙ
     ͳͲ কདྷతʹ͸ؒ઀র໌ޮՌͷฤूʹಛԽͨ͠ฤूૢ࡞Λ໛ࡧ͍ͯͯ͠
     ·ͨϚςϦΞϧͱর໌ͷಉ࣌ฤूͷՄೳੑΛௐࠪ͠௨ৗ͸ผʑʹ
     ࣮ߦ͞ΕΔ͜ͷͭͷ૬ޓʹؔ࿈ͨ͠࡞ۀΛ౷߹͍ͨ͠ FOWZ-JHIU
     "O
     *OUFSGBDF
     GPS
     &EJUJOH
     /BUVSBM
     *MMVNJOBUJPO 'BCJP
     1FMMBDJOJ
     FU
     BM
      ɾແݶͷ਺ͷ༰࢟ͷࣗಈ߹੒ΛՄೳʹ͢ΔγεςϜΛఏҊ
     ɾϢʔβʔ͸ࣗ෼ͷإͷࣸਅΛຕҎ্ ޷͖ͳ͚ͩ ೖྗ͠
     ɹڵຯͷ͋Δ༰࢟ΛςΩετͰݕࡧ͠ݕࡧ͞Εͨ
     ɹ֎؍ͷೖྗऀΛग़ྗͱͯ͠औಘ ɾ͜ͷΞΠσΞ͸෺ཧతͳมߋΛ͢Δ͜ͱͳ͘
     ɹը૾͔Βࣗ෼ͷ֎ݟΛมܗͤ͞Δͱ͍͏΋ͷͰ͋Δ
     ɾγεςϜͷ৽نੑ͸ɺಛఆͷٕज़తͳߏ੒ཁૉʹ
     ɹ͋ΔͷͰ͸ͳ͘ΞϓϦέʔγϣϯͱͦͷϢχʔΫͳ
     ɹ૊Έ߹Θͤʹ͋Δ ɾݱࡏͷࣗಈϚεΫਪఆΞϧΰϦζϜ͸൅ͱഽͷྖҬΛఏڙ͢Δ
     ɹͦͯͦ͠ͷྖҬ൑ผͷయܕతͳࣦഊ͸എܠ ·ͨ͸ҥྨ ͕
     ɹ൅ͷໟͷҰ෦ͱΈͳ͞ΕΔ৔߹Ͱ͋Δɻ
     ɾਓ෺ೝࣝݚڀʹ͓͚Δະղܾͷ՝୊͸
     ɹ೥ྸΛ௒͑ͯਓ෺ΛࣝผͰ͖Δ͔Ͳ͏͔
     ɾ͞Βʹࠔ೉ͳͷ͸൅ܕ΍৭Λม͑ͯ΋
     ɹಉ͡ਓͩͱೝࣝ͞ΕΔ͔Ͳ͏͔ 5SBOTpHVSJOH
     1PSUSBJUT *SB
     ,FNFMNBDIFS4IMJ[FSNBO
     FU
     BM
     
114. ؔ࿈ݚڀ ɾ੩ࢭ͍ͯ͠ΔϙʔτϨʔτΛࣗಈతʹΞχϝʔγϣϯԽ͠
     ɹࣸਅͷதͷඃࣸମʹ໋Λਧ͖ࠐΈ
     ɹ༷ʑͳײ৘Λදݱ͢Δ͜ͱΛՄೳʹ͢Δٕज़Λ঺հ
     ɾಈతͳผͷඃࣸମͷಈըΛ༻͍ͯಈըதͷඃࣸମͷ
     ɹද৘ΛϙʔτϨʔτʹ൓өͤ͞Δख๏Λ։ൃ
     ɾ͜Ε·ͰͷݚڀͰ͸إͷύϑΥʔϚϯεΛ࠶ݱ͢ΔͨΊʹ
     ɹإͷө૾Λೖྗ͢Δඞཁ͕͕͋ͬͨɺ
     ɹຊख๏Ͱ͸ຕͷλʔήοτը૾ͷΈΛ࢖༻ $POUSJCVUJPO
     ɾ%ϫʔϓʹΑΓຕͷ੩ࢭըʹ໋Λਧ͖ࠐΈ
     ɹೖྗը૾ͷྟ৔ײΛҡ࣋ͨ͠··ಈըΛੜ੒͢Δ͜ͱ͕Մೳ
     ɾγϫΛؚΉඍࡉͳσΟςʔϧΛ࿈ଓతʹసࣸ͢Δํ๏Ͱ
     ɹΩϟετγϟυ΢΍ϫʔϓͨ͠ϏσΦϑϨʔϜؒͷ
     ɹҐஔζϨʹΑΔҟৗͳγϫΛճආ͠·͢
     ɾඞཁʹԠͯ͡ޱͷதͳͲͷӅΕͨྖҬΛγʔϜϨεʹసૹ͢Δํ๏ͷఏҊ
     ɾͭͷೖྗը૾͔Β༗ޮʹͳΔ৽͍͠ϦΞΫςΟϒϓϩϑΝΠϧΞϓϦέʔγϣϯ ࠓޙͷݚڀͰ͸
     ɾͦ΋ͦ΋ର৅ͷإʹ࠷΋Α͘Ϛον͢ΔυϥΠϏϯάϏσΦΛࣗಈతʹબ୒͢Δ͜ͱΛݕ౼͢Δ༧ఆ
     ɾຊख๏ͱ࣍ݩख๏ͱͷ૊Έ߹ΘͤΛݕ౼͢Δ༧ఆ #SJOHJOH
     1PSUSBJUT
     UP
     -JGF )BSEBS
     "WFCVDI&MPS
     FU
     BM