先端技術とメディア表現(FTMA2020) 第８回全レポート

Transcript

1. ん も ？ 先⾏研究 ⽐べて す い？ 技術や⼿法 キモ ？ うやって有効 検証し ？ 議論 ある？ 次 読むべ 論⽂ ？ Zipiが ック 使わ い ッ ー い ボン 使 ック 形 い 3D 形 作 事 可能 い いうこ そ 計算⽅ 法 考え 論⽂ Shape Representation by Zippable Ribbons Chrisがian Schüller Roi Poranne Olga Sorkine-Hornきng 先⾏研究 ⾔え い もし い 元 い 考え⽅ Zipiが ック 本来 ック 形状し 作 今回 うさ い い 形状 再現 ⼯夫 し い ペー ーク フ や裁縫 技術 参考 ⽴体 作 難しい柔 い素材 う 形状 作 出 問題 特 平 分岐 あ 形状 表現 こ ⽬標 し 円筒型や 状 曲線 設計 い 考え い ア ゴ ム MATLAB 使⽤し 全 実装 そ ム 利⽤し 様々 形 実際 作 概 効率 表現 事 鋭い⾓ あ 領 域 関し ム う 表現 事 ⼿動 指定し 製作 ⼈ ⼿ ⾏わ そ 誤差も考え い 参考⽂献 中 い あ い 3Dモ 関 研究
2. Wallpaper pattern alignment along garment seams Katja Wolff, Olga Sorkine-Hornung 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？ コンピュータ上で服のデザインを作成し、3Dデータに貼 り付ける際に⾃動で縫い⽬でも美しい⾒た⽬を保つアルゴ リズム 実際にノートPCで9つの⾐服モデルについてアルゴリズム を適⽤し、その実⾏速度や作成された3Dモデルについて 評価している 縫いモデルを定義することで模様に合わせた貼り付けを可 能にしている 2Dの⾐服の縫いモデルとシミュレートされた3D⾐服モデ ルを定義している点。また、模様の貼り付けを⾏う際に、 デザインは変更せず、その貼り付け位置を変更すること。 ある特定の⾐服とデザインの組み合わせではモデルの最適 化により⾐服の形に変化が起きてしまうことを改善点とし て挙げている。また、左右対称の絵柄にも対応することを 課題としてあげている。 その他の画像技術についての論⽂ SIGGRAPH2019,August 1,2019, Katja Wolff
3. ？ 先⾏研究 ⽐べ い？ 技術や⼿法 ？ うや 有効 証明し ？ 議論 あ ？ 次 読 べ 論⽂ ？ 最適化 問題 介し 医⽤画像 ⾃動的 わ や い2D ー ン 変換 ノ 除去 実⾏ 際 並列性 共線性 及 び類似性 維持 事 焦点 当 い 離散化 等⾼線上 三⾓形分割 共線ポ ン ン ッ 検出 重 付け 曲率 距離 値 対 フ タ ン 類似特徴 タ ン Levenbきrg-Marqきrdが ゴ 使⽤し 最適 図 ⾚い線 ⽐較 共線的 確認し 曲率 ン形状処理 い 異⽅性 ウ フ ター 平滑化 ッ 法線 い SIGGRAPH '12: ACM SIGGRAPH 2012 PoかがerかAきgきかが 2012 Arがicle No.: 92 Pageか 1 SIGGRAPH '12: ACM SIGGRAPH 2012 PoかがerかAきgきかが 2012 Arがicle No.: 92 Pageか 1 加重平滑化 評価 事や制約 ⾒ け 事 ー ー 使⽤ 事 ータ ⾃ 動的 割 当 期待
4. ？ 先⾏研究 ⽐べ い？ 技術や⼿法 ？ うや 有効 証明し ？ 議論 あ ？ 次 読 べ 論⽂ ？ ⽴体 ン ⽤い ２次元 ニ ー ン制作⽀援⼿法 原画 描く 同時 作成 補間結果 対 話的 確認し 原画 修正 対象物 回転平⾏移動 描い ２枚 線画 対 象物 対応 ⽴体 ン 対し 姿 勢 運動 線画間 線同⼠ 対応付け 本⼿法 形状更新 ⾏わ ⽴体 ン し 平⾯ ⽤い 補間法 ⽐較 ⽐較 使⽤し ⼿法 い 描画補助⼿法 関 ン 形状 更新 対象物 移動回転等 ⾃動推定 そう SIGGRAPH '17: ACM SIGGRAPH 2017 Poかがerか Jきly 2017 Arがicle No.: 5 Pageか 1ど2
5. Volume: 3D Reconstruction of History for Immersive Platforms Or Fleisher, shirin anlen 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 • アーカイブや歴史的な資料をボリュームレンダリングとして利⽤ して、ディープラーニングの⼿法を利⽤して、Volumeは2D画像 をボリュームのある3Dアセットとして再定義することで、これ らのアセットを、仮想、拡張、複合現実の体験に組み込む • 200年以上前の2Dドキュメントをボリューム[Fleisher]という 新しいソフトウェアツールキットを⽤いて、3Dにしている • ディープラーニングの⼿法に基づいて、Volumeは 2Dシングル ビュー画像をボリュームのある3Dアセットとして「再イメージ 化」でき、さらに、機械学習、コンピュータ・ラーニングの⾰ 新的な技術を採⽤することで、コンテンツ制作者、ジャーナリ スト、映画制作者などの3D環境や被写体を作成できるようにす るためのビジョンとインタラクティブなストーリーテリングを 提供している • パルプ・フィクションのダンスコンテストの映像を使った実験 をし、視聴者は その映像のホログラムを⾒ながら歩くことが できた。この実験では、拡張現実アプリケーションを使⽤して シーンを再⽣することで、そのシーンがどのように変化するか を確認した • 幅広い⽂化的なビジュアルの特徴を扱うための様々な機 械学習モデルを作るところが次の課題 • T. Chen, Z. Zhu, A. Shamir, S.-M. Hu, and D. Cohen-Or. 2013. 3-sweep: Extracting editable objects from a single photo. ACM Transactions on Graphics (TOG) 32, 6 (2013), 195:1‒ 195:10 など
6. Mesh-Driven Generation and Animation of Groomed Feathers Rasmus Haapaoja Christoph Genzwürker どんなものか どうやって有効だと⽰したか 先⾏研究と⽐べてどこがすごいか 技術や⼿法のキモ 次読むべき論⽂ 議論 幾何学に基づいた新しいフェザーシステム より柔軟性の⾼いデザイン 初期シェイプが⽣成されると標準的なグルーミング操作 を通常通りに適⽤できる 機能を持たない⼩さなビルディングブロックからグルーム を構築可能 ふわふわの⽻の外観を実現可能 ラッピング問題に逆の⽅法でアプローチした グルーミングの作成にかかる時間をより短縮できないか Layering Changes in a Procedural Grooming Pipeline
7. ͲΜͳ΋ͷʁ ઌߦݚڀͱൺ΂ͯͲ͕͍͜͢͝ʁ ٕೳ΍ख๏ͷΩϞ͸Ͳ͜ʁ Ͳ͏΍ͬͯ༗ޮੑͩͱݕূͨ͠ʁ ٞ࿦͸͋Δʁ StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks )BO
   ;IBOH
   5BP
   9V
   )POHTIFOH
   -J
   4IBPUJOH
   ;IBOH
   9JBPHBOH
   8BOH
   9JBPMFJ
   )VBOH ςΩετΛಡΈࠐΜͰը૾Λੜ੒͢Δ ৄࡉ΍ཁૉͳͲͷࡉ͔͍෦෼Λදݱ ͢Δͷ͸೉͔ͬͨ͠ Ψ΢ε෼෍Λ༻͍ͯɺແ࡞ҝʹ஋Λ ͱͬͯ޿͍෼෍Λ࡞੒ ਓʹΑͬͯධՁͯ͠΋Βͬͨ ΑΓ೉͍͠ը૾Λੜ੒͢Δʹ͸Α ΓϞσϧͷߏ଄Λ࿅Δඞཁ͕͋Δ
8. ͲΜͳ΋ͷʁ ઌߦݚڀͱൺ΂ͯͲ͕͍͜͢͝ʁ ٕೳ΍ख๏ͷΩϞ͸Ͳ͜ʁ Ͳ͏΍ͬͯ༗ޮੑͩͱݕূͨ͠ʁ ٞ࿦͸͋Δʁ LiveCap: Real-Time Human Performance Capture From Monocular Video Marc Habermann, Weipeng Xu Michael Zollhoher, Gerard Pons-Moll, Christian Theobalt ϦΞϧλΠϜͰߦΘΕΔϞʔγϣϯ
   ΩϟϓνϟγεςϜ
   3(#ҰͭͰϦΞϧλΠϜͰಈ͘͜ͱ͕Ͱ͖Δ Ϟσϧͷମͷ෦ҐͷૉࡐΛͭͷΫϥ εʹ෼͚Δ ࠶ߏ੒ີ౓ͱਫ਼౓ΛݫີʹධՁ ϦΞϧλΠϜͰߦ͍ͬͯΔͨΊɺ ਫ਼౓ʹݶք͕͋Δ
9. 過去の音楽のコーパスからそのスタイルをとらえたモデルをつくり、 コーパスの 遷移確率を持ちつつもフィットしすぎない音楽を作る マルコフモデルでは over-fitting してしまいがちだったが、それを回避した。 様々な距離のペアの音の相互関係をとらえる Maximum entropy モデル 複数のペアを組み合わせることによる高次のパターン化 音階の遷移のみに注目した。 コーパスの音のペアを学習し、モデルをつくった。 コーパスとモデルのそれぞれの音のペアの頻度が、単音で非常に合致していた。 マルコフモデルではペアの距離が遠くなるほど合致しなくなったが、MaxEnt モ デルではそれが見られなかった。 剽窃ではなくオリジナルになっていることも確認された。 いかに本物に近くかつ剽窃にならないようにするか、 またそれをどう定量的に評 価するかはこれからも重要。 リズムなどの他の情報も組み込むのは課題で、 over-fittingを回避するのに有効。 Rethinking Reflexive Looper for structured pop music 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？ 仏コース 5 班 Maximum entropy models capture melodic styles
10. ハンガー反射を⽤いて、 バランススクーターに乗⾞している⼈の運転⽅向を制御 する腰⽤ハンガー反射デバイス。 セルフバランス式の⾃動⾞は輸送⼿段として広く普及しているが、 ⾃動⾞の⾃動 運転システムのように⾞両を直接制御することが難しく、 予期せぬ⽅向転換やブ レーキにより、バランスを崩しユーザーが落下するという危険があった。本でデ バイスはこの問題を改善した。 ⽤化が期待できる。 ハンガー反射 （針⾦ハンガーを頭にかぶせると意図せず頭が回ってしまう現象の こと）が腰にも適⽤できることを利⽤した。腰⽤ハンガー反射デバイスには、エ アポンプ、電磁弁、⼤気圧センサー、アルミニウムフレームなどで構成された４ つの空気圧バルーンが装着されている。空気を送ることでバルーンを膨らませ、 圧⼒で⽪膚の変形を引き起こし、ハンガー反射を誘発する。こうしてユーザーの 回転を制御する。 ユーザーに装着させてデモを⾏った。 このシステムの適⽤によりセグウェイなどのバランススクーターの安全性が向 上しても、 他の⾃動⾞よりも利⽤できる環境に制限があるため、 市場は狭そうだ。 PinpointFly: An Egocentric Position-pointing Drone Interface using Mobile AR 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？ Hanger Drive: Driver Manipulation System for Self-balancing Transporter Using the Hanger Reflex Haptic Illusion Masato Kobayashi, Yuki Kon, Jianyao Zhang, Hiroyuki Kajimoto （仏コース） ACM2020
11. 状態 呼吸パ ーン 認識 目標 , 発話状況 特定 , そ 生 状態 認識 手法 提案 . 先行研究 比べ い？ 技術や手法 キモ ？ 認識 先行研究 比べ ,accuracy 平均 7% 向 (4 モ 平均 ). ン ムフォ ,k 近傍法 ,Adaboost, ー ベク シン ４ 比較 .accuracy ,recall( 再現度 ),precision( 精度 ),False positive rate( 偽陽性率 ) 比較 . ？ 議論 あ ？ 次 読 い論文 ？ うや 有効 検証 ？ 発話状態 否 定 , そ 後 , 得 状態 基 , 状 態 測定 いう２段階 渡 手法 提案 点 . 状態や , 話 行 変化 呼吸 ー 用い 状態 認識 う . 呼吸パ ーン 用い 際 , 状態 , 発話 際 変化 生 , 発 話 際 状態 ー 集 際 , 発話 い い い場合 , 発話 い い場合 比較 . 認識 特徴 ,56 個 tiem-domain,4 個 frequency-domain 用い . 認識モ , ン ムフォ ,k 近傍法 ,Adaboost, ー ベク シン ４ 比較 . rConverse: Moment by Moment Conversation Detection Using a Mobile Respiration Sensor,cStress: Towards a Gold Standard for Continuou,Comparative analysis of emotion estimation methods based on physiological measurements for real-time applications,Continuous Inference of Psychological Stress from Sensory Measurements Collected in the Natural Environment,Introducing WESAD, a Multimodal Dataset for Wearable Stress and Affect Detection 発話 呼吸パ ーン 変化 方 , 変化 大 い 分 .
12. 呼吸 イク , 発話状態 定 シ ム 提案 . , 呼吸パ ーン 識 , そ 後 , Conditional Random Field, Context-Free Grammar (CRF-CFG) いうモ , 呼吸パ ーン 発話中 そう い 識 . 精度 (accuracy) , 研究室環境 ,95.9%, 実環境 , 71.7%( 音声 ー 検知 state-of-arts ,71.9%) あ . ECG ー 呼吸 ー ,3 軸加速度計 , 状態 検知 シ ム (cStress) 提案 . モ , 再現率 い 88.6%, 偽陽性率 い ,4.65% 精度 出 . モ 学習 , ー ベク シーン (SVM) 用い . 用い 特徴 , 以 表 ( 左 呼吸 , 右 ECG) ＋呼吸数 , 息 吸う時間
13. ECG 信号 , 呼吸 ー 用い , 状態 識 モ 提案 . 識 精度 ,90%,ECG 呼吸 ー 一方 使 モ 85% ほ 精度 .35 種類 特徴量 中 ,13 種類 特徴 選 際 モ 最 精度 高い . , 学習 ,J48 決定木 ,J48 決定木 (AdaBoost 付 ),SVM( ー ベ ク シン ) 使わ .48 決定木 (AdaBoost 付 ) 最 精度 良 . 感情推定 手法 け 特徴削除 学習ア ム 比較検討 論 文 . , 新 パーソナ イ 推定器 提案 . ア イム アプ ケーション 目指 , 評価 , 推定 精度 , 推定時間 行わ . IAPS database 感情 誘発 ECG 信号や , 呼吸パ ーン , 皮膚反応 , 皮膚温度 計測 . 精度 高い学習ア ム ,MLP( 多層パー プ ン ), 特徴削除 ,SFFS( sequential floating forward selection) あ . SFFS(http://rasbt.github.io/mlxtend/user_guide/feature_selection/SequentialFeatureSelector/)
14. 検知 ー ッ 作成 研究 . 研究室 環境 , 血液 量 ,ECG 信号 , 皮膚電気活動 , 筋電位 , 体温 ,3 軸 加速度 , 計測 . , 検知 ベン ーク 作成 . 標準 , , 楽 い 3 指標 識 手法 ,80% 以 精度 , い 2 指標 比べ 場 合 ,93% 以 精度 . 分類ア ム , 決定木 , ン ムフォ ,AdaBoost, 線形 分析 ,K- 近傍法 比べ .
15. オーディオの⾳楽のリズムの動きを反映した可視のモー ションの分析に基づいて、ビデオのダンスの外観を作成 および操作する⽅法。 ⾳楽のリズムの⾳の時間的な配置をキャプチャするので はなく、⽬に⾒える動きの時間的な配置を分析してダン スに関連する構造を特定する。 視覚的なビートのグラフ 実装した ⼈間の視聴者には簡単に無視されるようなわずかなカメ ラの動きでさえ、⼤きな視覚的影響を引き起こし、不適 切な視覚的ビートの選択につながる可能性があります。 Jiamin Bai, Aseem Agarwala, Maneesh Agrawala, and Ravi Ramamoorthi. 2012. Se- lectively De-Animating Video. ACM Transactions on Graphics (2012). どんなもの？ 先⾏研究と⽐べて何がすごい？ 技術や⼿法の肝はどこ？ 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？ Visual Rhythm and Beat ABE DAVIS, Stanford University MANEESH AGRAWALA, Stanford University
16. The space of human body shapes: reconstruction and parameterization from range scans ActionSnapping: Motion-based Video Synchronization Jean-Charles Bazin and Alexander Sorkine-Hornung Disney Research 様々な⼈々が様々な時間や場所で実⾏した同様 の動作のビデオを⾃動で同期するための新しい アプローチ。モーション情報を使⽤して、⼊⼒ ビデオ間の⾮線形同期パスを計算し、 マルチテ ンポラルスケール技術により、速度の差が⼤き いビデオでも処理できる。 ビデオ内のオブジェクトを選択的にアニメー ション解除し、全体的な動きを取り除くこと で、より細かいスケールの動きに焦点を合わ せるためのシンプルでほぼ⾃動化された⽅法。 ユーザーは、⼊⼒の単⼀フレームで粗いスト ロークを指定するだけで済む。
17. Animating Pictures with Stochastic Motion Textures Image-Space Modal Bases for Plausible Manipulation of Objects in Video 最⼩限のユーザー⼊⼒で、ビデオからオブジェ クトの画像空間変形のモーダルベースを抽出し、 このベースを使⽤して物理的に妥当なダイナミ クスを持つアニメーションを合成する。 単純な準周期的な⽅法で⾃然の⼒に応答する 動的要素を含む屋外シーンの静⽌画をアニ メーション化する⽅法。 ⼈間のユーザーがシーンを⼀連のレイヤーに セグメント化して個別にアニメーション化→ 「確率的モーションテクスチャ」は、スペク トル法で⾃動的に合成→ モーションテクス チャを各レイヤーに適⽤されます。 結果の ワープレイヤーは、アニメーションフレーム を形成するために再合成する。
18. Inverse-Foley Animation: Synchronizing rigid-body motions to sound Timothy R. Langlois Doug L. James Cornell University Figure 1: Rigid-body mo1on from sound: Given a recording of contact sounds produced by passive object dynamics, Inverse Foley Anima;on can es;mate plausible rigid-body mo;ons that have similar contact events occuring at similar ;mes (Carton example). インバースフォリーアニメーションという接触イベントが⼊⼒サウンドイベントと同期 するように剛体アニメーションを最適化する⼿法である。 ランダムにサンプリングされた剛体接触イベントで事前計算されたデータベースを使⽤ して、接触イベントグラフが作成し、それを検索して⼊⼒サウンドのイベントと同期し た接触イベントの妥当なシーケンスを決定する。次に修正された接触インパルスに基づ くモーションブレンディングの公式を使⽤して、シミュレートされた接触イベント間の 遷移を許可します。 弾道動作を少しリタイミングすることで同期を微調整します。 Figure 3: Simulated continuous contact events synchronized to input sounds: a sliding bolt, a chattering coffee cup, the scruffling of a rolling garlic bulb, and spolling of a crushed beer can. Figure 15: Funky Dice: Each die taps out drum tracks from the “Funky Drummer” rhythm; blue dice hit “high hat” sixteenth notes, and red dice hit snare and bass notes.
19. Accessing and Selecting Menu Items by In-Air Touch Davide Rocchesso, Francesco Saverio Cannizzario, Giovanni Capizzi, Francesco Landolina 空中超音波触覚フ ー ック 非視覚的 4 アイ ン 提示 ッ や ー ナ ーション 能 シン 階層 最初 ベ 機 能的 触覚 ック 適 アイ ン ッ 考え ？ (1) 時空間触覚形状 設計 認識実験 段階 含 非視覚 イ ー シ ム 設計プ (2) 合成時空間触覚形状 認識 能 あ 検証 うや 有効 検証 ？ ー 中 迅速 確 選択 適 時空間アイ ン 作 刺激 階層的 整理 アイ ン ッ 拡大 ，アク 時間 記憶 負担 軽減 先行研究 比べ い？ 後 発展 局所的 画速度 形 動的 触覚認識 及 影 響 実験的 検証 必要 あ 議論 あ ？ 時空間シーケン プ ックアイ ン イン ，階層化 ー 中 組織化 プ ック ー 中 迅速 確 選択 能 う 検証 2 認識実験 技術や手法 キモ ？ Stephen Brewster and Lorna M. Brown. 2004. Tactons: Structured Tactile Messages for Non-visual Information Display. 次 読 べ 論文 ？ CHItary ’19
20. Tactons: structured tactile messages for non-visual information display Stephen Brewster, Lorna M. Brown 触覚出力 新 い形 触覚アイ ン あ ク ン 紹 非視覚 的 ッ ー 伝え 使用 構造化 抽象的 ッ ー あ ク ン 構築 触覚パ 周波数 振幅 持続時間 ムや位置 他 パ ー 含 様々 パ ー 使用 ー パー ク ン ク ン 構築 使用 パ ー そ ク ン 設計 考え いく 方法 い 明 Multimodal feedback in HCI: haptics, non-speech audio, and their applications Euan Freeman, Graham Wilson, 他 新 いフ ー ック方法や技術 私 ン ー 対話 方法や ン ー 私 ケーション 方法 う 意味 あ 変え 示 触覚フ ー ック 研究 い 議論 触覚モ 異 知覚的側面 ( キ ン 皮膚感覚 ) う フ ー ック 対象 例 示 非音声音声フ ー ック 研究 い 議論 代表的 音や構造化 音 使 情報 伝遉 多く 方法 示 最後 ク モー フ ー ック イン モー フ ー ック 概念 紹 ー ーイン ーフ ー 使用 利点 い 述べ 2017 AUIC '04
21. Cutaneous grooves: composing for the sense of touch Jansson, G. and Larsson, K 触覚技術 音楽 新 い結合 身体表面 振動 複雑 音楽的 構造 化 時空間パ ーン 構成 知覚 容易 シ ム い 述べ 身体表面 振動 複雑 音楽的 構造化 時空間パ ーン 構成 知覚 容易 シ ム 設計 そ 後 パフォー ン 環境 新 い ア 聴覚 害者 芸術的 機会 提供 期待 い 音楽 触覚 翻訳 自動化 計画 ー 入力 使用 音楽 ア イム 触覚的 解釈 う い Multisensory haptic interactions: understanding the sense and designing for it Karon E. MacLean, Oliver S. Schneider, Hasti Seifi 触覚 イン 他 モ イン 異 点や， モー イ ン う 入 い 書 い プ ック要 素 有益 入 モー イン クション モ 構 造 純粋 プ ック イン空間 3 ベ 感覚 接続 意 味 掘 最 実質的 ー ー 向け イン 型的 ー ク 特 プ ック ア う う あ 強力 ー ク 焦点 当 ー ー 必要 あ 見 いく 2017 NIME '02
22. Mapping information to audio and tactile icons Eve Hoggan, Roope Raisamo, Stephen A. Brewster ク モー フ ー ック フ ー ック 伝え う い 情報 イプ 間 整合性 最適化 音声 触覚 アイ ン う 設 計 い 研究 特定 イプ 情報 伝遉 際 ム ク ー ン ー モ 触覚モ 特定 パ ー 一 フ ー ック 生成 要 役割 果 い 示 い 対比較実験 行わ 情報 ッ ン ム ク ン 空間的位 置 持続時間 ー 触覚モ け 個々 アモー パ ー 関 明 大半 場合 モ イ イ 提示 確認 ー 進捗状況 更新 警告 情報 対 ー ー 嗜好性 いう点 ー フ ー ック 触覚フ ー ックや複合 ー / 触 覚フ ー ック 比較 高い ンク い わ イ ー ー 皮膚 接触 振動 気 い場合 音声フ ー ック 有効 あ ー 触覚フ ー ック 中 最 要 パ ー ム 位置 あ 体的 短い 2 拍子 ム 単純 中心位 置 あ 進捗状況 更新 い フ ー ック 空間的 位置 変更 作成 形 パ ーン 好 参加者 中 空間パ ーン ナーやプ ー 視覚的 アイ ン 模 い ン 人 い ー ー 最 要 情報 考え ー 警告 い 速い ン フ ク 位 ンク 高速 粗い ク 刺激 方 注目 集 や い 要 情報 気 あ ICMI-MLMI '09
23. 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？ クリップの最⼩継続時間ー検出されたビートにビデオクリップが割り 当てられ、その次に基本期間と同じ⻑さのクリップの部分が検出され る。この⽅法だと、バラードなどの店舗の遅い⾳楽ではベースのデュ レーションが⻑くなるため、クリップが⻑くなる。早い場合はこの逆 のことが起きるから、ユーザーは含まれるビデオクリップの希望の⻑ さを基本継続時間の乗数とし指定すれば良い ⼊⼒（ビデオとオーディオ)をするとまずソースビデオがクリップに 分割される。次にオーディオが分析され新規性スコアのピークに対応 するセグメント境界が検出される。不適切な部分を破棄してビデオク リップを⾃動的に編集し残りのビデオをオーディオの変更に合わせる。 変化を確実に検出できない場合は結果としてMVの品質が低下する。 典型的なスピーチや⾳楽は常に変わっており通常の変化と⼤きな 変化を区別することは難しい。そのため⾃⼰相似⽣分析を使⽤し て⾃⼰相似⽣の⾼い領域と低い領域を時間範囲で分析する 22分のホームビデオをビートルズのThe magical Mystery Tourの3ふ んのミュージックビデオセットに凝縮する。 C. Bregler, M. Covell, and M. Slaney. “Video rewrite: Driving visual speech with audio.” Computer Graphics Annual Con- ference Series, 1997 Creating Music Video using Automatic Media Analysis Jonathan Foote, Matthew Cooper, and Andreas Girgensohn オーディオサウンドトラックとビデオを指定してMVを⾃動で作成 する⽅法の提案
24. コンテンツベースの分析と⾳声検索の⽅法の⼆段階の検索の提案 テキストの説明があるオーディオクリップと注釈のついていない オーディオクリップを取得することは⼤変である。 テキストデータを使⽤してオーディオクリップの初期セットを取 得し、関連するテキスト注釈がある場合は注釈なしクリップに伝 播する。複数のオーディオクリップ間のコンテンツの類似性を取 得する。 純粋な⾳楽のオーディオクリップ(2147)とポピュラー⾳楽(3469) と公開スピーチ(234)とトークショー(1458)の4つで性能評価をす る。 A Two-Stage Audio Retrieval Method for Searching Unannotated Audio Clips Songhua Xu, Suchao Chen Kevin Y. Yip, Francis C.M. Lau Xueying Qin 時間的パターン分析に基づく⾃動ミュージックビデオ作成。 ⼊⼒はホームビデオとユーザーが提供した⾳楽である。⾳楽はい くつかの繰り返しのパターンと⽬⽴つ繰り返し構造から⾃⼰掃除 性が強いと⾔える。各特徴が学習データから抽出され、時間的特 徴、スペクトル特徴及びCQT特徴が読み取れる。時間領域はテン ポ期間と最⼩の⻑さとして使⽤される⾳楽フレーズの⻑さの繰り 返しパターンの発⾒と繰り返しの教会を決定する。スペクトル特 徴は楽器⾳と⾳声を識別するものや前奏曲、間奏曲などを構造で 分ける。CQT特徴はメモを表すものとして使⽤される Automatic Music Video generation Based on Temporal Pattern Analysis Xia̶Sheng HUA, Lie Lu, Hong-Jiang ZHANG
25. サッカービデオのコンテンツを⽤いて⾃動的にサッカーのミュー ジックビデオを⾃動的に⽣成する。これは⼿動処理を削減しイベ ント別、プレーヤ別、チーム別にパーソナライズされたサッカー のミュージックビデオの⽣成を可能にする。サッカーのハイライ ト⽣成、ビデオ要約やフレームワークのデモシステムを構築した。 完全に⾃動化するには⽣成されたショット境界を削除する必要が あった。これはMSVを⾃動的に⽣成することで改良することがで きた。 Automatic Generation of Personalized Music Sports Video JinjunWang, Changsheng Xu, Engsiong Chng, Lingyu Duan, Kongwah Wan, Qi Tian 簡単にドラッグ&ドロップビデオ編集を容易にするインタラク ティブなビデオ編集システムであるヒッチコックの使い⽅ ヒッチコックは⾃動的にクリップの開始点と終了てんを⾒つけ、 ビデオを分析して適切な境界を⾒つける。モーション分析を使っ てユーザーが動画をアップロードすると適切なクリップを抽出す る。クリップはグループ化され時間または視覚的類似性を記録し 表⽰する。 A Hitch cock Assisted Video Edited Night at the Opera John Doherty Lynn Wilcox Andreas Girgensohn
26. MIRで⾃動的にジャンルを分類するのにオーディオの⾳⾊とリズ ムが使⽤されている。ここでリズムと⾳⾊記述⼦を組み合わせて 使⽤した場合の柔軟性の効率を改善する. 特徴抽出、パターン認識、調整の三つの異なるシステムからアプ ローチする。特徴抽出では⾳⾊関連MFCCおよびリズムの記述⼦ が使⽤される。パターン認識では機械学習とヒューリスティック ベースの技術に基づいて隠れマルコフモデルまたはニューラル ネットワークで出⼒データに条件付けする。 ジャンル分類システムとしてガウス混合モデルアプローチを採⽤ する Scalable Music Recommendation by Search Rui Cai,Chao Zhang, Lei Zhang, and Wei-Ying Ma
27. Foraging behavior links sea ice to breeding success in Antarctic penguins Yuuki Y. Watanabe, Kentaro Ito, Nobuo Kokubun and Akinori Takahashi も 先行研究 比べ 議論 次 読む 検証方法 海氷 増減 南極 生息す アデ ーペン ン もた す影響 調べ 海氷 減少 伴い 海面 当た 日光 増加し植物プ ン ン 成長させ こ ・行動範囲や潜水 自由度 上昇す こ 繁殖 成功率 上 い 示した 過去 研究 多く ペン ン 個体数や繁殖成 功率 海氷状況 相関関係 調べたも あ 両者 結び け カニズ い 推測 域 出 た 小型 GPS 加速度記録計 ビデ カ 等 動 物 体 取 付け バイ ロ ング 手法 用い 南極 昭和基地 近く 子育 す アデ ーペ ン ン 捕食行動 調べた Antarctic climate change over the twenty first century アデ ーペン ン 普段 海氷 少 く 海面 露出し い 南極半島 地域 も生息し 南極全体 影響 正確 把握す た そうした地域 調査も必要
28. Contrasting climate change in the two polar regions 南極 北極 気候変動 比較 北極 氷 著し く減少し い Variability in krill biomass links harvesting and climate warming to penguin population changes in Antarctica 温暖化 平均気温 上昇 南極 棲む多 く 動物たち 影響 与え い 氷 減少し い 氷 好むペン ンもそう いペン ンも一様 個体数 減少し い こ キア 個体数 減少 関連付けた Reproductive Performance and Diving Behaviour Share a Common Sea-Ice Concentration Optimum in Adélie Penguins (Pygoscelis Adeliae) アデ ーペン ン 繁殖・採餌 成功率 海水 中 塩分濃度 関係し 20% ー 達す こ 発見 Plumage colour signals nutritional condition in the house finch 羽毛 色 栄養状態 関係 示した Nonlinear Effects of Winter Sea Ice on the Survival Probabilities of Adélie Penguins アデ ーペン ン 越冬 生存確率 海氷 関連性 調べた 海氷 多す も少 す もアデ ーペン ン 生存率 悪影響 及ぼす
29. も ？ 先行研究 比べ す い？ 技術や手法 モ ？ うや 有効 検証し ？ 議論 あ ？ 次 読むべ 論文 ？ 非設置型 ー ッ 装置Thoお’か Hammer 立方体 取 付 6個 モーター ペ 各面 垂直 6方向 空気 投射す ス 向 関係 く任意 方向 強力 連続的 力 ー ッ 与え ー ー ス 動 制限 設置型 力 ー ッ 装置 集中的 研究 Thoお’かHammeお 非 設置型 軽量 3DOF ー ッ 実現す 光学 ッ ン ス ス 位置 向 追跡 ス 向 関係 く任意 方向 最大4N 力 与え 4 VR ー ン 作成し実際 ー し 特 し . Muhammad Abdullah, Minji Kim, Waseem Hassan, Yoshihiro Kuroda, and Seokhee Jeon. 2017.
30. も ？ ・ ッ コ ター 用い 触覚 ー ッ ス VRHapticDrones ッ コ ター 側面 タッチ可能 表面 取 付 い も ？ ・ ーン 用い 空流 触覚 ー ッ 提供す 事 HapicDrone 上向 1.53N 下向 2.97N ー ッ 与え も ？ ・ワ ー ン ン機構 利用し 装着者 力 伝達す ッ 型 スHapticGEAR 装着者 疲労 最小限 抑え 動作や視界 妨 い も ？ ・電気刺激 利用し 筋肉 動 す 力 ー ッ 与 え モーター 用い い 大幅 小型化 ネ ー効率 向上 実現し 最大18.7N 力 ー ッ 与え HapticGEAR:the development of a wearable force display system for immersive projection displays
31. も ？ ・6DOF 力 ー ッ 得 両手 触覚 スSPIDAR-W
32. - * 1 1- ,1 1- 1 : 2 1 - -1 - 1 ( )( EZ P p e P TC ( ( R C R R E C ( )( P R A x x R ug e iau p t c m u p N o g ( ( eR ( )( e R e ( )( e P n g E re R D P p x siu X ?
33. - - 2A D - E E H) )nkf M X G Y Ih k g V H Y NiI k G R keI X S H H g IyY e I G Y Q R Y Y I H I Y Q R Y I IkY kr Y H YR Y I LR keI Y - - E (A E E E -E E 7 AE H) )nkfY YG Q V H ) AD A C E - E YkeI X S R2, rau IkY InmptY H Y VW t Q ny Y H I IkY y Io rekt t H Z Z I IkY o I 23 Y
34. - - yr T j T r kPT T R T YN S yr X Nk g H , r k h kTB k g C , S Y T W T kog Tk g ) TEY T - - - T YN T u ngk (( yr T a e T MT P a i k h kyr T a e r kr T T X
35. - - - - - - , 3 ( ) ) RMSRX a Xry i ) R uQ G ge m k R W mW mR H ~ EV W LVMSQX a r Rp X uW X C X W JL G y a r D W g t i o R f nRp Q W
36. /PSJNBLJ
    4ZOUIFTJ[FS
    5BTUF
    %JTQMBZ
    6TJOH
    *PO
    &MFDUSPQIPSFTJT
    JO
    'JWF
    (FMT
    $)* ͲΜͳ΋ͷʁ ઌߦݚڀͱൺֱͯ͠Կ͕͍͢͝ʁ ٕज़΍ख๏ͷ؊͸ʁ ༗ޮੑͷ࣮ূํ๏͸ʁ ٞ࿦͸͋Δ͔ʁ ࣍ʹಡΉ΂͖࿦จ͸ʁ ిղ࣭ΛؚΉήϧͷΠΦϯిؾӭಈΛར༻ͯ͠ɺϢʔβͷઉʹ೚ҙ ͷຯΛ࠶ݱ͢Δຯ֮σΟεϓϨΠɻ̑ͭͷجຊతͳຯΛද͢ήϧΛ ༻ҙͨ͠ɻ ௚઀ઉʹిؾܹࢗΛ༩͑ͳͯ͘ྑ͍͜ͱɻ·ͨҎલͷݚڀͰ͸ɺి ղӷΛޱͷதʹอ࣋͢Δ͔ܧଓతʹফඅ͢Δඞཁ͕͕͋ͬͨɺήϧ Λ༻͍ΔͷͰઉʹ౰ͯΔ͚ͩͰྑ͍͜ͱɻ ిҐΛ͔͚ΔͱήϧதͷཅΠΦϯ͕ӄۃଆʢήϧΛऩΊΔνϡʔϒ ಺ʹૠೖ͞ΕͨϓϥνφϫΠϠʣʹҠಈ͠ɺཅۃଆͰ͋Δઉ͔Βԕ ͔͟Δɻ͜ΕΛར༻ͯ͠෩ຯͷௐ੔Λߦ͏ɻ ࣮ࡍʹ࡞੒ͨ͠΋ͷΛ࢖༻ͨ͠Ϣʔβ͔ΒͷϑΟʔυόοΫɻ νϡʔϒͷ௚ܘ͕େ͖͍ͨΊɺήϧಉ࢜ͷຯ͕ࠞ߹ͤͣɺಠཱͯ͠ଘࡏ ͢ΔΑ͏ʹײ͡ΒΕΔ͜ͱ͕͋ͬͨɻࡉ͍؅Λ࢖༻͢Δ͜ͱ͕վળ఺ɻ ·ͨήϧೱ౓ΛϢʔβͷຯ֮ମݧʹ߹ΘͤΒΕΔΑ͏ʹ͢Δ͜ͱɻ ຯ੍֮ޚʹؔ͢Δ࿦จɻ
37. "VHNFOUFE
    (VTUBUJPO
    VTJOH
    &MFDUSJDJUZ
    "$.
     ిؾຯ֮͸ిྲྀͰઉΛܹࢗͨ͠ͱ͖ʹ༠ൃ͞ΕΔײ֮Ͱ͋Γɺ͜ͷݱ৅ Λར༻ͯ͠ਓ͕ؒઉͰ஌֮Ͱ͖ͳ͍৘ใΛ఻ୡ͢Δ͜ͱΛ໨ࢦͨ͠ɻ࿦ จͰ͸ిؾճ࿏ʹ઀ଓ͞ΕͨετϩʔΛ࢖ͬͯҿྉΛҿΉγεςϜ΍ɺ ಉ͘͡ిؾճ࿏ʹ઀ଓ͞ΕͨϑΥʔΫ΍ṟΛ࢖ͬͯ৯඼Λ৯΂Δγες Ϝ͕ఏҊ͞Εͨɻ 5BTUF
    $IBOHF
    PG
    4PVQ
    CZ
    UIF
    3FDSFBUJOH
    PG
    4PVSOFTT
    BOE
    4BMUJOFTT
    6TJOH
    UIF
    &MFDUSJDBM
    4UJNVMBUJPO
    ")
     ిؾͷຯʹۚଐͷຯɾԘຯɾࢎຯɾۤຯؚ͕·Ε͍ͯΔ͜ͱΛར༻͠ ͯɺిۃ͕෇͚ΒΕͨεϓʔϯΛ࢖ͬͯεʔϓΛ৯΂Δ͜ͱͰɺઉʹిؾ ܹࢗΛ༩͑ࢎຯͱԘຯΛ࠶ݱ͠ɺεʔϓͷຯΛม༰ͤͨ͞ɻ·࣮ͨݧʹ݁ Ռɺཅۃܹ͕ࢗࢎຯ౓ɾԘຯ౓ɾຯڧ౓Λ૿෯͢Δ͜ͱ͕Θ͔ͬͨɻ
38. 6OMJNJUFE
    &MFDUSJD
    (VN
    "
    1JF[P CBTFE
    &MFDUSJD
    5BTUF
    "QQBSBUVT
    "DUJWBUFE
    CZ
    $IFXJOH
    6*45
     ΨϜΛטΜͰ͍ΔؒɺϢʔβ͕ຯΛ஌֮Ͱ͖Δిؾຯ֮σόΠεΛ։ൃ͠ ͨɻѹిૉࢠΛ༻͍Δ͜ͱͰ뱌ʹΑΔѹిޮՌΛར༻͢Δ͜ͱ͕Ͱ ͖ɺ֎෦ిݯͷඞཁ͕ͳ͍σόΠεΛ։ൃͰ͖ͨɻ (BMWBOJD
    5POHVF
    4UJNVMBUJPO
    *OIJCJUT
    'JWF
    #BTJD
    5BTUFT
    *OEVDFE
    CZ
    "RVFPVT
    &MFDUSPMZUF
    4PMVUJPO
     ΨϧύχοΫઉܹࢗʢ(54
    ిؾܹࢗʹΑΔઉ্ͷຯܹ֮ࢗʣͷ͏ͪɺӄ ۃ(54ʢਤͷΑ͏ͳঢ়ଶʣͷϝΧχζϜͷղ໌ͱӄۃ(54͕ຯͷ࣭ʹؔ ܎ͳ͘ిղ࣭ࡐྉʹΑͬͯҾ͖ى͜͞ΕΔຯΛ્֐͢Δ͜ͱΛࣔͨ͠ɻ ࣮ݧͷ݁ՌɺΠΦϯͷҠಈʹΑͬͯຯ֮཈੍͕ൃੜ͢Δͱ͍͏ӄۃ(54 ͷϝΧχζϜ͕෼͔Γɺ͞Βʹిղ࣭ਫ༹ӷʹΑͬͯ༠ൃ͞ΕΔͭͷج ຊతͳຯΛશͯ཈੍Ͱ͖Δ͜ͱ͕Θ͔ͬͨɻ
39. "O
    &WBMVBUJPO
    PG
    $PMPS
    1BUUFSOT
    GPS
    *NBHJOH
    PG
    8BSOJOH
    4JHOBMT
    JO
    $PDLQJU
    %JTQMBZT
    /PSEJ$)*
     ߤۭػͷίοΫϐοτ಺ʹ͓͚ΔՄௌ৴߸ʢܯࠂԻͳͲʣͷ఻ୡΛɺΧ ϥʔίʔυΛ༻͍Δ͜ͱʹΑΔࢹ֮Խޮ཰Λݚڀͨ͠ɻ࣮ݧͷ݁Ռɺಡ ΈऔΓΤϥʔΛݮΒ͢ʹ͸ɺೝ஌͍ͤͨ͞৘ใͷΧϥʔύλʔϯͱϊΠζ ͱͳΔ৘ใͷΧϥʔύλʔϯͱͷྨࣅ౓ΛԼ͛Δɺ·ͨ࿐ग़࣌ؒΛ͋͛ Δඞཁ͕͋Δ͜ͱ͕Θ͔ͬͨɻ
40. 小川紗也加, 藤原幸一, 山川俊貴, 阿部恵里花, 加納学 https://ipsj.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_ite m_detail&item_id=183504&item_no=1&page_id=13&block_id=8 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？ 参考文献 虚偽心拍を提示した組、実心拍を提示した組それぞれ半数程度が提示された心拍 音に違和感を覚えた。違和感の少ない心拍情報の提示方法を探る必要あり。 提示される心拍情報が虚偽だと確信していてもゲーム体験は向上するのか。 次第に早くなる虚偽心拍フィードバックしか検討していない。 被験者実験を行った。4分間ゲームをプレイしてもらう実験を5回行い、その後ア ンケートに答えてもらう。 (A)虚偽心拍提示, (B)実心拍提示, (c)提示なし の三つの条件を用意し、その差を比較 した。 ゲーム体験への影響を調べた 虚偽心拍フィードバックによってゲームへの飽きを抑制し、没入感を高めること ができることを示したもの。 虚偽心拍フィードバックとは、実際とは異なる心拍の情報を音や振動によって提 示することで心拍を錯覚させること。 また、心拍計測、音・振動による虚偽心拍が可能なゲームコントローラーを試作 次第に速くなる虚偽心拍フィードバックを用いた ゲーム体験の向上 ヘッドフォンから心拍音を提示することで心拍情報を提示。
41. 健康管理サービスにおいて、本来の生体情報の測定値に処理を加えた虚偽情報を 提示することで、プラセボ効果を引き起こし、生体情報を操作するシステム。のプ ロトタイプ。 エアロバイクでの運動を行う被験者の心拍を計測し、それに処理を加えた値をデ ィスプレイにに表示し、それによって被験者の心拍がどう変化するかを計測した。 結果として運動時における目的に応じた適切な心拍数の維持や，緊張状態に至っ た際の緊 張の緩和が実現できる可能性を確認した。しかし予想とは反対の反応、反 応がない、などの結果も存在した。個体差や疲労の蓄積などの影響が考えられる。 中 村 憲 史, 片 山 拓 也, 寺 田 努, 塚 本 昌 彦 https://ipsj.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_ view_main_item_detail&item_id=74426&item_no=1&page_id=13&block_id=8 生体情報の可視化システムにおける 虚偽情報の影響の評価 Graham Wilson, Dobromir Dobrev, Stephen A.Brewster https://dl.acm.org/doi/abs/10.1145/2858036.2858205 Hot Under the Collar:Mapping Thermal Feedback to Dimensional Models of Emo=on (CHI’16) themal feedbackによって提示することができる感情の幅、種類について調べたもの。 落ち着いていてポジティブな感情と、興奮していてネガティブな感情を与えること ができた。
42. 熱刺激によって画像に対して抱く感情に影響を与えることができるが、そのパラメ ータやタイミングによる知覚への影響を調べたもの。 不快な画像は、あっためることでネガティブさを増強し、冷やすことでネガティブ さを軽減することができる。 熱刺激を行うタイミングに応じて、受け手に期待を持たせたり、画像から受ける感 情を増強/軽減する傾向にある。 Moses Akazue, Martin Halvey, Lynne Baillie, Stephen Brewster https://dl.acm.org/doi/abs/10.1145/2858036.2858307 The Effect of Thermal Stimuli on the Emotional Perception of Images (CHI’16) Mili John Tharakan/Newton Fernando/ Adrian David Chrok https://ieeexplore.ieee.org/abstract/document/6104529 AmbiKraf: A nonemissive fabric display for fast changing tex9le anima9on (IFIP’11) 温度によって色が変化するサーモクロミックインクを用いた、被発光のファブリッ クディスプレイ。 ペルティエ素子用いたコントローラーは温度を高精度で制御することができる。 これによって色も正確に制御することができる。 さらに、比較的高速に温度を変化させることができるため、アニメーションも可能。
43. Thermal feedback の知覚に対して 湿度はほとんど影響しない。 外気温は知覚数や知覚までの時間などには影響するが知覚した強さには影響しない ことを調べたもの。 Martin Halbey/Graham Wilson / Stephen A.Brewster /Stephen A.Hughes https://dl.acm.org/doi/abs/10.1145/2207676.2207779 “Baby It’s Cold Outside”: The Influence of Ambient Temperature and Humidity on Thermal Feedback (CHI’12)
44. ͲΜͳ΋ͷ ઌߦݚڀͱൺ΂ͯԿ͕͍͢͝ ٕज़΍ख๏ͷΩϞ͸Ͳ͜ Ͳ͏΍ͬͯ༗ޮͩͱݕূͨ͠ ٞ࿦͸͋Δ ࣍ʹಡΉ΂͖࿦จ͸  ਓؒίʔε ୯؟Χϝϥͷө૾͔Βਓ෺ͷ̏%ϞσϧΛ෰૷ΛؚΊͯϦΞϧλΠϜʹऔಘ͢Δख๏ ॳΊͯ୯؟ͰϦΞϧλΠϜʹϨϯμϦϯάͨ͠఺
    ೖྗϑϨʔϜॲ ཧ $16
    ࢟੎ਪఆ (16
    ࠷దԽϨδετϨʔγϣϯ (16 Λ ύΠϓϥΠϯ࣮૷͢Δ͜ͱͰߴ଎Խ
    <9V
    FU
    BM
    >ͱൺֱͯ͠ ΋ಉ༷ͷਫ਼౓͕ग़Δ ࣄલʹର৅ਓ෺ͷଞࢹ఺ը૾͔Β%ςϯϓϨʔτΛ࡞੒͓͖ͯ͠
    εέϧτϯͱإϥϯυϚʔ ΫΛखಈͰઃఆ͠
    IVNBO
    QBSTOJH
    NFUIPE
    <(POH
    FU
    BM
    >
    ʹΑΓൽෘ΍ҥ෰ͷछผͳ ͲͷϞσϧද໘ͷλΠϓΛ෼ྨ
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    ͦͯ͠
    ೖྗϑϨʔϜʹରͯؔ͠અ
    إϥϯυϚʔΫͷҐஔ
    γϧΤοτ
    ࣌ؒํ޲ͷ҆ఆੑ
    ղ ๤ֶతଥ౰ੑΛߟྀͨ͠ΤωϧΪʔ࠷খԽʹΑΓ
    εέϧτϯͷ࢟੎Λਪఆ͢Δ
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    
    ࠷ޙʹͦͷεέϧτϯͷ࢟੎Λॳظ஋ͱͯ͠
    ೖྗϑϨʔϜʹ߹͏Α͏ʹද໘ܗঢ়Λมܗ
    
    
    
    
    ͤ͞Δ γϧΤοτ΍ล΍ද໘ͷޡࠩΛྔతʹධՁ
    ࣮ࡍͷϨϯμϦϯά ݁Ռ΋ઌߦݚڀͱ߹Θͤͯൺֱ ҥ෰ͷҰ෦͕ӅΕͨΓ
    Χϝϥͷࢹ࣠ʹԊͬͨࠜڌͱͳΔը૾͕ ͳ͍Α͏ͳ
    ςϯϓϨʔτ͔Βେ͖͘֎ΕΔ৔߹ʹ͍ͭͯ͸෦෼ తʹ͔͠ิ͑ͳ͍ <(POH
    FU
    BM
    >
    <9V
    FU
    BM
    >
    ͳͲ
45. ୯؟3(#%ΧϝϥΛ༻͍ͯऔಘͨ͠ը૾΍ਂ౓৘ใ͔Β%ϞσϧΛ࠶ ߏ੒͢Δख๏
    Ұͭ໨ͷख๏ͱؔ࿈͍ͯ͠Δ͕
    ͪ͜Β͸όονϕʔεͷ ख๏
    إͷϥϯυϚʔΫͷઃఆͳͲͷલॲཧ͸ඞཁͱ͠ͳ͍΋ͷͷ
    η ϯαʔʹ͸'14ͱ͍͏੍ݶ͕͋ΔͨΊ
    ߴ଎ͰτϥοΩϯά͢Δͷ͸ ೉͍͠ Ұ൪໨ͷ࿦จͷલॲཧͰਓؒͷ෦Ґʹϥϕϧ෇͚͢Δࡍʹ༻͍ͨ෼ྨํ ๏
    -*1
    MPPL
    JOUP
    QFSTPO
    σʔληοτͱ͍͏΋ͷΛಠࣗʹ࡞Γ
    4FH
    /FU
    
    %FFQ-BC7ͱ͍ͬͨը૾෼ׂख๏͝ͱʹݕূΛߦͳͬͨ
    ෼ׂͷ ࢓ํ͸্ͷը૾ͷΑ͏ͳछྨ
    
46. ෳ਺ͷ3(#΍*3Χϝϥ ͦΕͧΕͮͭ ͰࡱΒΕͨը૾σʔλ͔Β
    %ϞσϧΛ࠶ߏ੒͠
    ೚ҙͷࢹ఺͔ΒͷϏσΦΛੜ੒͢Δख๏
    લͷ ࿦จͷΑ͏ʹਓؒͱ͍͏੍໿͸ͳ͘લॲཧ΋ͳ੍͍͕໿͕ͳ͍
    ͨ ͩ
    ෳࡶͳ൅ͷಈ͖΍෰ͷͳͼ͖ͱ͍ͬͨදݱ͸೉͍͠ ೥ͷ࿦จ
    ਓؒͷશ਎Λඇ߶ମͱͯ͠ଊ͑ΔͷͰ͸ͳ͘
    إͱ ମͱखΛผʑͷϞσϧͱͯ͠Ωϟϓνϟʔ͠ޙ͔ΒͦΕΛ౷߹͢Δ Α͏ͳΞϓϩʔνͰ%ϞσϧΛੜ੒
    खͷࡉ͔ͳؔઅͷߏ଄ͳͲΛ ද͍ͤͯͨΓ͢Δ΋ͷͷ
    ग़ྗ͞ΕΔͷ͸དͷਓؒͷΑ͏ͳϞσϧͳ ͷͰ
    ൅ͷໟ΍෰ͳͲͱ͍ͬͨ΋ͷ͸දݱͰ͖ͳ͍
    
47. ೥ͷ࿦จ
    %ը૾͔Β%ϞσϧΛੜ੒͢Δࡍʹද໘Ͱ͸͘ମ ੵʹண໨ͨ͠ख๏
    ମੵܗঢ়දݱ ࿨༁ Λ௚઀
    ඇ߶ମతʹมܗͤ͞ Δ͜ͱʹΑΓ%ϞσϧΛಘΔ
    ࣗ༝ܗঢ়ͷͨΊࠎ֨ͳͲͷ৘ใ͸ؚ ·ͳ͍
    
48. Deformable Interfaces for Performing Music Giovanni Maria Troiano, Esben Warming Pedersen, Kasper Hornbæk ? ュー ン 変形可能 インター ー 使用 電子音楽 演奏 方法 調査 先行研究 比べ い? 先行研究 研究室内 評価さ 異 インター ー 同時 提示 本研究 欠点 対処 研究室外 複数 形状や素材 調査 技術や手法 キ 複数 ュー ン 10個 変形可能 ク 使用させ 音楽 演奏 方法 い アイ ア 出 う そ 結果 基 い 選 ク ン ー 実装 6人 ュー ン 実際 音楽 演奏 い 使用法 評価 うや 有効 検証 ? ワーク ョッ 結果 基 い 行わ 実際 ュー ン 演奏 う パ ー ン 調査 議論 あ ? 選 5 インター ー 機能 1 インター ー 統合 い 実際 演奏 聴衆 聞 せ う 感 調査 べ 次 読 べ 論文 ? Rogeおか, Y., Connelly, K., Tedeかco, L., eが al. 2007. Why Iがしか Woおがh the Hassle: The Value of In-situ Studies when Designing Ubicomp.
49. Sculpton : a malleable tangible object for musical expression Alberto Boem 音楽表現 展性 あ 有形 ク Sculpton 実装 段階 タイ 提示 ー ク 操作 あ 形 ア タイ 音声合成 行わ 圧力感度 従来 有形インター ー 入力属性 多次元制 御 組 合わせ 手全体 相互作用 可能 ー 実 際 ク 物理的 形作 音 形作 Zstretch: A Stretchy Fabric Music Controller Angela Chang Hiroshi Ishii 布地 音楽コン ー ー Zstretch 紹介 布地 ー制約 利用 音楽パ ータ 比例制御 可能 単 純 感知 カニ 日常 触覚相互作用 う ー 調査 目的 基本的 技術 一般的 触覚 動 組 合わせ 表現力豊 音楽的インター ー 得 示 い ー 通常 布 相 互作用( 掴 ) インター ー 適用 様々 音楽表現 操作
50. PaperPhone: Understanding the Use of Bend Gestures in Mobile Devices with Flexible Electronic Paper Displays Byron Lahey, Audrey Girouard, Winslow Burleson and Roel Vertegaal 機能的 曲 や い電気泳動 イ 5 統合さ 曲 ン ー 備え ー ン PaperPhone 紹介 アク ョン 促 ー 定義 曲 動作 使用法 調査 結 果 ー 概念的 単純 身体的負荷 少 い個別 曲 動 好 分 ー 意見 イ 側面 上隅 下隅 上下させ いう動 使用 特 一致 さ アイコン 左右 動 時 イ 上 下 曲 いう う アク ョン 方向 曲 動 ア 対 意見 一致 あ わ 方向性 あ 動 好 意味 mixiTUI: A Tangible Sequencer for Electronic Live Performances Esben Warming Pedersen Kasper Hornbæk 構成済 電子音楽 具体的 視覚的 再生 ーケン ー 機 能 提 供 有 形 ー イ ン タ ー ー あ mixiTUI 紹介 電子音楽家 共同 開発 イ 事前準備 即興 ン ー い 聴衆 う イ 認識 い 焦点 当 聴衆 電子 音楽家 両方 体験 向上させ mixiTUI 使用 エ ク ウン ークン(図 四角い物体) 結合 ウン 波 形や ウン エ ク 関係 視覚化 ークン ウン 関係 複雑 操作
51. The Skweezee System: Enabling the Design and the Programming of Squeeze Interactions Karen Vanderloock, Vero Vanden Abeele, Johan A.K. Suykens, Luc Geurts クイー ー チ インタ ク ョン 設計 び開発 簡単 柔軟 ー ン あ Skweezee System 紹介 導電性 あ 詰 物 満 さ 柔 い 物体 あ Skweezee 構成さ 圧力 加え 変形 物体内 形状全体 分散さ 多数 電極 含 電 極対 間 変化 抵抗 測定 形状 変化 感知 ー 自分 クイー 動作 定義 記録 ソ ウ ア 含 チ SVM分類 器 使用 区別 利用 技術者以外 Skweezee System ン 形状 変形 感知
52. Investigating the Impact of Visual Design on Consumers’ Perception Towards Advertising 日常 情報量 増加 広告 情報 海 中 く競合他 社 差別化 必要 増え そ 広告 差別化 要因 消費者インタ ュー 通 探 い く Eiman Negm Passent Tantawi 広告 差別化 要因 挙 画像 色や線 い 視覚要 因 図形 挙 街中 様々 年齢性別 人々 対 広告 関 インタ ュー 行 う 計12人へ インタ ュー 画像やイ あ ほう 文章 理解 いう意見 多 宣伝 い 何 視覚的 物 伴う必 要 あ ュア イ ン 7 要因 う 色 影 大 さ 図形 最 重要 あ 読 取 インタ ュー形式 行 総数 12人 や 2 街 インタ ュー 行え 広範囲 大人数 調査 行う必要 あ A Literature Review; Website Design and User Engagement
53. Image Manipulation コン ューターやソ ウエア 急 速 発展 普及 伴い 画像 特 写真 関 加工 容易 Rune Petterson やパソコン 中 公共 場 常 画像 目 入 う 時代 そ 伴い何 見 いう選択 問わ う 消費者 選択 得 画像加工 良く 悪く 広 始 画像加工 場合 良い い う意見 多 実際 加 工さ 見抜 人 少数 合 現状 加工さ 画 像 身 守 方法 未 確立 さ い い 確 あ Consumer Preception and Attitude towards the Visual Elements in Social Campaign Advertisment 広告 媒体や数 増大 禁 煙や禁酒 促 社会 向 啓 発広告 そ 数 増や 広告 関 いく Ashish Sharma Ambudi Bhosle Brijesh Chaudhary 社会啓発広告 数 増や あ 関 研究 少 く 効果 あ 広告 確認 取 い 広告態度や内容へ 同意度合い 言 見 い く 社会啓発広告 見方や感 方 性別 大 要因 あ 分 全体的 ョック 与え や性的 内容 入 広告 見 い 人 注意や興味 引 付 多い 観測さ
54. The Role and Usage of Visual Rhetoric in Advertising 歴史的 広告 商品 情報 伝え 近年 商品 買 う 消費者 説得 う ケー 多く そ 伴い視覚的 修辞法 増え Fatma Nazh Koksal 広告 視覚的 修辞法 結び 強さ 先行研究 示さ い そ 使用方法 役割 見 いく 分析 例 両方 ・ や最後 晩餐 い く知 い 絵画 利用 い く 知 い 利用 消費者 中身へ 理解度 上 い 絵画 中身 多く 見 い 人 分 い 広告 本 来伝え い内容 繋 や い い う利点 あ The Impact of Visual and Verbal Rhetoric in Advertising on Mental Imagery and Recall 修辞法 長く文章 使用さ い 広告内 画像 使用 さ ケー 多く 修辞的 画像 想起 見 いく Nabil Mzoughi Samar Abdelhak 修辞的 画像 文章 両方 対 想起 具合 見 いく そ 画像 文章へ 印象 思い起 確認 いく 手法 想 像力 印象 形成 重要 最終的 反応 広告や ン 対 態度 計測さ 修辞的 要素 印象 量や活力性 直接影 響 与え 出来 確認さ 修辞的 要素 生 出 不思議性 広告や ン 対 印 象 与え 繋 分 低い関与性 示 消費者 解読 ソー 回 ン 想起性 低
55. The Development, Change, and Transformation of Rhetorical Style in Magazine Advertisements 修辞的 要素 含 広告 昔 存在 い ア カ 発行さ 1954－1999年 間 雑 誌広告 傾向 分析 そ 理由 推測 いく Brabara J Phillips Edward F McQuarrie 広告分析 比較対象 必要 あ 比較対象 一 過去 広 告 挙 昔 消費者 反応 測定 出来 い 数十年 広告 傾向 消費者 広告 対 う 反応 推測 出来 分析 結果 修辞的要素 利用率 特 皮肉 や 上 同時 添え 文章量 減少 短い文 多 く 要素 説明 傾向 大 量消費社会 浸透 広告 数 増 消 費者 広告読 取 能力 上昇 広告 対 飽 広告一 費や 時間 減少 原因 推測
56. ʮ5IF
    .0.&/5ʯͱݺ͹ΕΔ
    #$* ϒϨΠϯɾίϯϐϡʔλʔɾΠϯλʔϑΣʔε
    өըʹ͍ͭͯɺͦͷσβΠϯͷཧ࿦తࠜڌͱɺ੍ޚऀɺඇ੍ޚऀ
    ϦϐʔτࢹௌऀͰ͋ΔҰൠͷਓʑ͕ͲͷΑ͏ʹମݧ͔ͨ͠ʹ͍ͭͯ
    ύϑΥʔϚϯεओಋܕͷ࣮ઓݚڀΛใࠂ͍ͯ͠Δɻ ͲΜͳ΋ͷʁ ઌߦݚڀͱൺ΂ͯͲ͕͜ੌ͍ʁ ٕज़΍ख๏ͷΩϞ͸ʁ Ͳ͏΍ͬͯ༗ޮͰ͋Δͱݕূͨ͠ʁ ٞ࿦͸͋Δʁ ࣍ʹಡΉ΂͖࿦จ͸ʁ ɾΞʔςΟετͷ࡞඼ʹର͢Δࠜڌͱ؍٬ͷମݧͷ྆ํΛه࿥͠
    ɹ྆ํͷࢹ఺͔Βߟ࡯͢Δ͜ͱͰ
    ɹ͜ͷ෼໺ͰͷΑΓ޿͍ڭ܇ΛҾ͖ग़ͨ͠
    ɾ͜Ε·Ͱͷݚڀͷөը͸ήʔϜʹ͍ۙײ͕͕֮͋ͬͨ
    ɹʰ5IF
    .0.&/5ʱ͸өըͱͯ͠ड͚ೖΕΒΕͨ ɾөըͱͯ͠੒ཱͤ͞ΔͨΊʹ΋ɺөըతͳจ๏ʹଇͨ͠࡞඼Λ੍࡞ͨ͠
    ɾΧοτΛ੾Γସ͑Δϧʔϧ ؍٬ʹ͸ετʔϦʔΛޠΓ࠷΋ҹ৅ʹ࢒ͬͨॠؒΛઆ໌ͯ͠΋Β͍
    ੍ޚऀʹ͸өըΛੵۃతʹίϯτϩʔϧ͠Α͏ͱ͔ͨ͠Ͳ͏͔
    ଞͷਓʹݟͯ΋Β͏ͨΊʹྑ͍өըΛ࡞Βͳ͚Ε͹ͳΒͳ͍ͱ͍͏
    ϓϨογϟʔΛײ͔ͨ͡Ͳ͏͔ͳͲͷ࣭໰Λ
    ঁੑ໊ɺஉੑ໊ɺͦͷଞࢀՃऀ໊ʹͨ͠ɻ #$*өըͷ࡞Γํʹؔ͢Δ۩ମతͳ
    ΨΠυϥΠϯΛఏࣔ͢Δʹ͸·ͩे෼ͳܦݧ͕ͳ͍ 4UFWF
    #FOGPSE
    FU
    BM
     'SPN
    %JSFDUPS`T
    $VU
    UP
    6TFS`T
    $VU
    UP
    8BUDI
    B
    #SBJO$POUSPMMFE
    'JMN
    JT
    UP
    &EJU
    JU 3JDIBSE
    3BNDIVSO
    
    
    
    
    4BSBI
    .BSUJOEBMF
    
    
    
    
    .BY
    -
    8JMTPO
    
    
    
    
    4UFWF
    #FOGPSE $)*
    
57. ؔ࿈ݚڀ ΫϥΠϜʂͱݺ͹ΕΔෳࡶͳඇઢܗԻָύϑΥʔϚϯεͷ
    ͨΊͷଟ໘తͳ؍٬ΠϯλʔϑΣʔεͷσβΠϯɺॳԋɺ
    ެ։ධՁʹ͍ͭͯใࠂɻ
    ܁Γฦ͠ͷެԋΛ௨ͨؑ͠৆ΛՄೳʹ͢ΔΞʔΧΠϒͷ
    Մೳੑ͕໌Β͔ʹͳͬͨɻ
    ؍٬ͷཧղΛαϙʔτ͢Δ͜ͱ͕
    ΠϯλϥΫγϣϯσβΠϯͷ͍͔ͭ͘ͷଆ໘ʹ৮ΕΔ
    ଟ໘తͳ՝୊Ͱ͋Δ͜ͱ͕໌Β͔ʹͳͬͨɻ %FTJHOJOH
    UIF
    "VEJFODF
    +PVSOFZ
    UISPVHI
    3FQFBUFE
    &YQFSJFODFT 4UFWF
    FU
    BM
     ܞଳి࿩Λ࢖ͬͯ%өըؗͷίϯςΩετͰίϯςϯπͱͷ
    ΠϯλϥΫγϣϯΛՄೳʹ͢Δํ๏Λ୳Δɻ
    ຊݚڀ͸εϚʔτϑΥϯΛར༻ͨ͠ϓϩτλΠϓΞϓϦέʔγϣϯͷ
    ։ൃͱਓͷࢀՃऀʹΑΔөըؗͰͷධՁʹ͍ͭͯใࠂͯ͠
    ͦͷ݁ՌɺΠϯλϥΫςΟϒͳөըؗମݧͷͨΊͷσβΠϯ͸
    શମతͰલ޲͖ʹϢʔβʔମݧΛଅਐ͢΂͖Ͱ͋Δ͜ͱ͕ڧௐ͞Εͨɻ
    ຊݚڀͷ৽نੑ͸Ϣʔβʔ͕ܞଳి࿩Λ࢖ͬͯίϯςϯπΛऩू͢Δ
    ΠϯλϥΫςΟϒͳ4%γωϚʹؔ͢ΔॳͷݚڀΛൃද͠
    ࣮ࡍͷөըؗͰݚڀΛ࣮ࢪͨ͜͠ͱʹ͋Γ·͢ɻ -FU
    .F
    $BUDI
    5IJT
    
    &YQFSJFODJOH
    *OUFSBDUJWF
    %
    $JOFNB
    5ISPVHI
    $PMMFDUJOH
    $POUFOU
    XJUI
    B
    .PCJMF
    1IPOF +POOB
    FU
    BM
    
58. ؔ࿈ݚڀ ͜Ε·ͰͷΠϯλϥΫςΟϒɾετʔϦʔςϦϯάɾγεςϜ͸
    ෺ޠͷల։ʹϢʔβʔ͕ೳಈతʹհೖͰ͖ΔΑ͏ʹઃܭ͞Ε
    ෺ޠͷల։ʹӨڹΛ༩͑ΔͨΊʹཱ֬͞Εͨ
    ϚϧνϞʔμϧɾΠϯλϥΫςΟϒٕज़Λ࢖༻͖ͯͨ͠ɻ
    ͜ͷ࿦จͰ͸ɺ୅ΘΓʹੜཧతϓϩΩγʹΑͬͯଌఆ͞Εͨ
    Ϣʔβʔͷײ৘൓Ԡ͕෺ޠͷదԠϓϩηεΛۦಈ͢Δडಈతͳ
    ΠϯλϥΫγϣϯͷܗଶͷ࢖༻Λ୳ٻ͍ͯ͠Δɻ
    ࣮ݧͷ݁Ռɺײ৘తͳख͕͔Γ͕ඇөըతͳจ຺Ͱ΋
    ద༻ՄೳͰ͋Δ͜ͱ͕֬ೝ͞Εɺײ৘తͳख͕͔Γʹର͢Δ
    ੜཧత൓Ԡ͸ϕʔεϥΠϯΛ༗ҙʹ্ճͬͨɻ &YQMPSJOH
    1BTTJWF
    6TFS
    *OUFSBDUJPO
    GPS
    "EBQUJWF
    /BSSBUJWFT 4UFQIFO
    FU
    BM
     ᐆດ͞͸௨ৗ)$*Ͱ͸سΈݏΘΕΔ΋ͷͱߟ͑ΒΕ͍ͯΔɻ
    ͜Εʹରͯ͠ຊ࿦จͰᐆດ͞͸σβΠϯͷͨΊͷࢿݯͰ͋Γ
    γεςϜͱͷີ઀ͳݸਓతͳؔΘΓΛଅਐ͢ΔͨΊʹ
    ࢖༻͢Δ͜ͱ͕Ͱ͖Δ͜ͱΛূ໌͢Δɻ
    ຊߘͷ໨త͸ɺΠϯλϥΫγϣϯσβΠφʔ͕ັྗతͳ
    σβΠϯΛ࡞ΔͨΊʹ࢖͏ςΫχοΫͷҰ෦Λ໌Β͔ʹ͠
    ଞͷσβΠφʔ΍࣮຿Ո͕ɺ൷൑తʹ΋ݐઃతʹ΋
    ᐆດ͞ʹ͍ͭͯΑΓਖ਼֬ʹߟ͑Δ͜ͱ͕
    Ͱ͖ΔΑ͏ʹ͢Δ͜ͱͰ͋Δɻ "NCJHVJUZ
    BT
    B
    3FTPVSDF
    GPS
    %FTJHO 8JMMJBN
    FU
    BM
    
59. ؔ࿈ݚڀ ͜ͷ࿦จͰ͸ਅͷΠϯλϥΫςΟϏςΟͱ͸ߦಈ൓Ԡ૬ޓ࡞༻ͷϑΟʔυόοΫɾϧʔϓͰ͋Γ
    ࣮ࡏ͢ΔΤʔδΣϯτ΍ίϯϐϡʔλɾΤʔδΣϯτͱͷ ίϥϘϨʔγϣϯ΍ަ׵Λ൐͏΋ͷͰ͋Δͱ࿦͡Δɻ
    ΠϯλϥΫςΟϏςΟ͕͜ΕΒͷ୯७ͳମݧΛ௒͑ͯөը΍ଞͷ఻౷తͳ෺ޠ͕ͦ͏Ͱ͋ΔΑ͏ʹ
    ਓʑΛײ৘తʹಈ͔͢ͷ͔Ͳ͏͔͸·ͩݟಧ͚ΒΕ͍ͯͳ͍ɻ
    ͜ͷ෼໺͕ݱࡏͷ࣮ݧ΍ʮݟΕ͹Θ͔Δʯͱ͍͏ϓϩηεΛ௒͑ͯܦݧͨ݁͠Ռʹؔ࿈ͨ͠σβΠϯͷ
    ໌֬ͳݪଇΛ࣋ͭ΋ͷ΁ͱҠߦ͢ΔͷΛॿ͚Δ͜ͱ͕Ͱ͖Δɻ
    ࢲͨͪ͸͜ΕΒͷ׳शͷΠϯλϥΫςΟϒͳ౳Ձ෺Λݟ͚ͭͳ͚Ε͹ͳΒͳ͍ͷͰ͋ͬͯ
    ͋ΔϝσΟΞܗଶ͔ΒผͷϝσΟΞܗଶʹ୯ʹ੾ΓషΓ͢ΔͷͰ͸ͳ͍ɽ 5IF
    'MPX
    1SJODJQMF
    JO
    *OUFSBDUJWJUZ "OESFX
    1PMBJOF
    
60. Enhanced Operating System Security Through Efficient and Fine-grained Address Space Randomization 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 Cristiano Giuffrida, Anton Kuijsten, Andrew S. Tanenbaum return-oriented programming う 古典的 攻撃や新た 攻撃 対 効率的 包括的 対策 提供 、 OS内部 Address Space Randomization(ASR) た 設計 手法 提案 い 関 や 定期的 live rerandomization そ 粒度 優 たセ 鍵 、 情報漏洩攻撃 対抗 た 重要 あ 、 unobservability 最大限 高 低 ンタ 性能 ー ー ッ SPEC ー 多用 ンチ ー 両方 平均5%未満 限定的 ンタ ッ ン 増加 ンチ ー 実行中 約15% た 示 い ンタ 状態移行 ー 、任意 ー や ータ 透過的 、 状態 損 う rerandomize live rerandomization strategy 用い い (新 い手法) 任意 攻撃 ー ン 保護 包括的 方法 存在 いた 、 手法 画期的 方法 あ
61. Guest-Transparent Prevention of Kernel Rootkits with VMM-Based Memory Shadowing どんなものか 内容 どんなものか 内容 Ryan Riley, et al. ン ー ン ・ ッ ー ー 種類 増え、 ー ン 種類 複雑 着実 増 、そ 結果 OS ー 複雑 セ 脆弱性 数 増 い 脆弱性 影響 、 ー ー 化 対 労力 わ 、現在一般的 使用 い ほ ー 設計上 ッ あ いう事実 、 悪化 い SecVisor ー 特権 実行 ー 完全性 生涯 わた 保証 言い換え 、SecVisor 攻撃者 ー 内 既存 ー 変更 た ー 特権 ン た ー 実行 た 、 寿命 わた 防 OS ー ー 整合性 保証 小 ー あ SecVisor 提案 い SecVisor: A Tiny Hypervisor to Provide Lifetime Kernel Code Integrity for Commodity OSes Arvind Seshadri, et al. ー ー ッ 侵害 た ー 自分自身 埋 込 、 ソー 完全 無制限 セ 使 ー 気 い う 損害 与え た 非常 強力 脅威 あ 防 方法 内 ー ー ッ 存在 検出 OS ー 完全性 妥協 あ 、そ そ 実行 防 た 悪意 あ ー ッ ー ー 空間 ー 効果 い あ た NICKLE ー 不正 ー 実行 、 ー ー 上 、 OS ー 変更 必要 保証 実現 軽量 未修正 ( )OS 不正 ー ー 実行 透過的 防止 VMM ー あ NICKLE 紹介 い
62. Address Space Randomization for Mobile Devices どんなものか 内容 どんなものか 内容 Hristo Bojinov, et al. ー ッ 保護 直観的 ーチ 、 ー ッ あ ー 書 込 セ 監視 検証 う 、 ー ー ー 保護 活用 挙 ーチ (1)保護 た ー ッ 非常 限 た数 存在 、(2) ッ 頻繁 変更 ータ 一緒 配置 い い場合 う 機能 、Linux や Windows う OS ー 、 方法 有効 、 ー ッ ー 空間 広 散 いた 何千 数 存在 可能性 あ Hook-Safe 一度初期化 た ー ッ 頻繁 read あ 、write ほ い いう 利用 問題 解決 い OS 何千 ー ッ ッ 保護 ー ー 軽量 あ Hook-Safe 紹介 い Countering Kernel Rootkits with Lightweight Hook Protection Zhi Wang, et al. ー ン 、 ン 、制限 た処理能力、更新 セ 最新世代 あ ASLR 実装 困難 あ 論文 タッチ いう方法 加え、 上 ー ッ ー 使用 た 、 集約 た 、 ASLR ー ー う 試 確実 検出 技術 あ ッ タッ 解析 導入 い 実験 Android OS ASLR 実装 そ 有効性 性能 評価 い 結果 、 タッチ ASLR 効果的 ーチ あ 、 ー ン 問題 状況や、 ー 変更 避 ンセン あ 場合 特 適 い いう わ た ー 修正 必要 適 た実行可能 ASLR 仕組 あ タッチ 紹介 い
63. Linux kernel vulnerabilities: State-of-the-art defenses and open problems どんなものか 内容 Haogang Chen, et al. 実際 発生 ー 脆弱性 種類 理解 た 研究 、 意外 ほ 行わ い い 2 ー タ 得 た知見 以下 4 あ た 1.Linux ー 脆弱性 10 一般的 あ 任意 変更 至 攻撃 可能性 あ 、 情報漏えい ー 妨害攻撃 、 問題 解決 2.約 2/3 脆弱性 ー ー や あ 、逆 1/3 ー あ 3.単一 既存 技術 ー 脆弱性 防 、 あ 技術 脆弱性 一部 悪用 緩和 あ 、同 脆弱性 他 悪用 対応 い い 多い 4.全 対処 い い脆弱性 存在 例え 高 security invariants 侵害 セ ン ッ 脆弱性 、 安全性 ー 完全性 主 焦点 当 た最先端 技術 捕捉 困難 あ Linux ー 脆弱性 関 2 ー タ 紹介 、 ー 保護技術 関 現在 最新技術 評価 い
64. 䛹䜣䛺䜒䛾䠛 ඛ⾜◊✲䛸ẚ䜉䛶䛹䛣䛜䛩䛤䛔䠛 ᢏ⾡䜔ᡭἲ䛾䜻䝰 䛹䛖䜔䛳䛶᭷ຠ䛰䛸᳨ド䛧䛯䠛 ㆟ㄽ䛿䛒䜛䠛 ḟ䛻ㄞ䜐䜉䛝ㄽᩥ䛿䠛 䛒䜛ື⏬䛛䜙ே≀䛾ື䛝䜢ᢳฟ䛧䚸䛭䛾䝰䝕䝹䜢௵ព䛾 ⫼ᬒୖ䛷ື䛝䜢ไᚚ䛩䜛෌䜰䝙䝯䞊䝅䝵䞁䛩䜛ᢏ⾡ 㛗䛥䛾␗䛺䜛」ᩘ䛾ື⏬䜢౑⏝䚹䜎䛯᪤Ꮡ䛾ᡭἲ䛷౑䜟䜜䛯ື ⏬䜢౑⏝䛧䛶ẚ㍑䚹 㢮ఝᗘ䛾ẚ㍑䜔䚸᪤Ꮡᡭἲ䛷⏕ᡂ䛧䛯≀䛸䛾ẚ㍑䛷䜘䜚ṍ䜏䛜 ᑡ䛺䛔䛣䛸䛺䛹䛛䜙᭷ຠ䛷䛒䜛䛣䛸䜢♧䛧䛯䚹 ᗈ⠊ᅖ䛾Ḟᦆ䛻ᑐ䛧䛶䜒㧗ゎീᗘ䛾⤖ᯝ䛜ᚓ䜙䜜䜛䚹Ḟ ᦆ䛾ᙧ䛜䛣䜜䜎䛷䛿ṇ᪉ᙧ䜔෇䛷䛒䛳䛯䛜䚸㝖ཤ䛧䛯䛔 ᑐ㇟䛾ᙧ䛻ྜ䜟䛫䛶ฎ⌮䜢⾜䛖䛣䛸䛜䛷䛝䜛䚹 3RVH3RVH 䝛䝑䝖䝽䞊䜽䛸 3RVH)UDPH 䝛䝑䝖䝽䞊䜽䛾  䛴䛾䝛䝑䝖 䝽䞊䜽䜢ᵓ⠏䛩䜛䛣䛸䚹 2UDQ*DIQL/LRU:ROI<DQLY7DLJPDQ 9LG*DPH&RQWUROODEOH&KDUDFWHUV([WUDFWHGIURP5HDO:RUOG9LGHRV ື⏬䛛䜙ື⏬䜢⏕ᡂ䛩䜛⣔䚹௚䛾ไᚚ⣔䚹
65. 䛹䜣䛺䜒䛾䠛 ඛ⾜◊✲䛸ẚ䜉䛶䛹䛣䛜䛩䛤䛔䠛 䝷䝧䝹௜䛡䛥䜜䛶䛔䛺䛔኱㔞䛾ື⏬䜢౑䛳䛶ື⏬ㄆ㆑䝍 䝇䜽䛸ື⏬⏕ᡂ䝍䝇䜽䜢ᐇ⾜䛷䛝䜛䝰䝕䝹䜢Ꮫ⩦䛩䜛䚹 䝅䞊䞁䛾䝎䜲䝘䝭䜽䝇䜢Ꮫ⩦䛩䜛䛯䜑䛻䝷䝧䝹௜䛡䛥䜜䛶䛔䛺䛔ື⏬ 䜢ά⏝䛷䛝䜛䛣䛸䜢♧䛧䛯䚹 ᫎീ䛾๓ᬒ䛸⫼ᬒ䜢ศ๭䛧⫼ᬒ䛾ື䛝䜢೵Ṇ䛥䛫䜛䛣䛸䛻䜘䜚䚸๓ഴ 㒊ศ䛾䜸䝤䝆䜵䜽䝖䛛䜙ື䛝䜢Ꮫ⩦䛩䜛䛣䛸䛜䛷䛝䜛䚹ື⏬⏕ᡂ䛩䜛 㝿䛻䝣䝺䞊䝮䛾᮲௳䛺䛧䛷䝊䝻䛛䜙⏕ᡂ䛷䛝䚸  䝣䝺䞊䝮䛪䛴䛷䛿䛺䛟 㐃⥆䛧䛯䝣䝺䞊䝮䜢⏕ᡂ䛩䜛䛣䛸䛷⵳✚ㄗᕪ䜢ᢚ䛘䛶䛔䜛䚹 &DUO9RQGULFN+DPHG3LUVLDYDVK$QWRQLR7RUUDOED *HQHUDWLQJ9LGHRVZLWK6FHQH'\QDPLFV 䛹䜣䛺䜒䛾䠛 ඛ⾜◊✲䛸ẚ䜉䛶䛹䛣䛜䛩䛤䛔䠛 ⏬ീ䜔ᫎീ䛾୰䛾≀య䛾䝉䜾䝯䞁䝔䞊䝅䝵䞁䜢ᚓ䜛䛯䜑 䛻䚸≀య䛾ᴟⅬ ᕥ➃䚸ྑ➃䚸ୖ➃䚸ୗ➃ 䜢ධຊ䛸䛧䛶౑ ⏝䛩䜛䛣䛸䛷䝬䝇䜽䜢⏕ᡂ䛩䜛ᡭἲ ⏬ീ䜔ᫎീ䛾䜰䝜䝔䞊䝅䝵䞁䜢ᴟⅬ䜢౑⏝䛩䜛䛣䛸䛷༙⮬ື໬䛩䜛䛣 䛸䛜䛷䛝䚸㏻ᖖ䛾ṇゎ䝷䝧䝹䜢⏝䛔䛯Ꮫ⩦䛸ྠ➼䛾ᡂᯝ䜢ᚓ䜛䛣䛸 䛜䛷䛝䛶䛔䜛䚹 ᚑ᮶䜘䜚䜒䝷䝧䝸䞁䜾䝁䝇䝖䜢  ศ䛾  䛻䛷䛝䛶䛔䜛䚹 'HHS([WUHPH&XW)URP([WUHPH3RLQWVWR2EMHFW 6HJPHQWDWLRQ ..0DQLQLV6&DHOOHV-3RQW7XVHW/9DQ*RRO
66. 䛹䜣䛺䜒䛾䠛 ඛ⾜◊✲䛸ẚ䜉䛶䛹䛣䛜䛩䛤䛔䠛 䝉䝬䞁䝔䜱䝑䜽䛺ື⏬䛸䝍䞊䝀䝑䝖䝗䝯䜲䞁䛸䛺䜛ᩘᯛ䛾౛ ⏬ീ䜢ධຊ䛸䛧䛶䚸෗ᐇⓗ䛺ື⏬䜢⏕ᡂ䛩䜛䝡䝕䜸ྜᡂ ᢏ⾡ ᪤Ꮡ䛾ᡭἲ䛸ẚ䜉䛶䐟䝕䞊䝍䝉䝑䝖䛾ᩘ䜢ᢚ䛘䜛䐠Ꮫ⩦䛧䛯䝰䝕䝹䜢ᚑ ᮶䜘䜚୍⯡໬䛩䜛䛣䛸䛻ᡂຌ䛧䛶䛔䜛䚹 䐠䛻䛴䛔䛶䚸ᚑ᮶䛰䛸䝕䞊䝍䝉䝑䝖䛻ྵ䜎䜜䛶䛔䜛ே≀䛜ධຊື⏬䛻䛔 䛺䛔䛸䛔䛡䛺䛛䛳䛯䛜䚸䛣䛾ᡭἲ䛿ู䛾ே≀䛛䜙䛷䜒⏕ᡂ䛷䛝䜛䚹 ୍᪉䚸䝔䝇䝖㡿ᇦ䛸Ꮫ⩦㡿ᇦ䛜኱䛝䛟␗䛺䜛ሙྜ䜔䝉䝬䞁䝔䜱䝑䜽ື⏬䛾 ព࿡᥎ᐃ䛻ኻᩋ䛩䜛䛸䛖䜎䛟ືస䛧䛺䛔䛣䛸䛜䛒䜛䚹 7LQJ&KXQ:DQJ0LQJ<X/LX$QGUHZ7DR*XLOLQ/LX-DQ.DXW]%U\DQ&DWDQ]DUR 䛹䜣䛺䜒䛾䠛 ඛ⾜◊✲䛸ẚ䜉䛶䛹䛣䛜䛩䛤䛔䠛 䝉䝬䞁䝔䜱䝑䜽䝷䝧䝹䝬䝑䝥䛛䜙   䛾⏬ീ䜢ྜᡂ 䛩䜛䛯䜑䛾⏕ᡂⓗᩛᑐⓗ䝣䝺䞊䝮䝽䞊䜽 㧗ゎീᗘ䛾ྜᡂ⏬ീ䛾⏕ᡂ䛜ྍ⬟䛻䛺䛳䛯䛣䛸䛻ຍ䛘䛶䚸䝴䞊䝄䞊 䛜䜲䞁䝍䝷䜽䝔䜱䝤䛻⏬ീෆ䛾䜸䝤䝆䜵䜽䝖᧯స䛜ྍ⬟䛻䛺䛳䛶䛔䜛䚹 +LJK5HVROXWLRQ,PDJH6\QWKHVLVDQG6HPDQWLF 0DQLSXODWLRQZLWK&RQGLWLRQDO*$1V 7LQJ&KXQ:DQJ0LQJ<X/LX-XQ<DQ=KX$QGUHZ7DR-DQ .DXW]%U\DQ&DWDQ]DUR )HZVKRW9LGHRWR9LGHR6\QWKHVLV
67. 䛹䜣䛺䜒䛾䠛 ඛ⾜◊✲䛸ẚ䜉䛶䛹䛣䛜䛩䛤䛔䠛 5*% ⏬ീጼໃ᥎ᐃᡭἲ䚹 5*% ⏬ീ䛸ேయ䛾య⾲䛸䛾㧗⢭ᗘ䛛䛴ᐦ䛺ᑐᛂ㛵ಀ䜢ẖ⛊」ᩘ䝣 䝺䞊䝮᚟ඖ䛷䛝䜛䚹」ᩘே䛾ே≀䛜䛔䛶䜒䝸䜰䝹䝍䜲䝮䛻᚟ඖ䛷䛝䚸 ே≀䛾㢦䛰䛡䛷䛺䛟ᵝ䚻䛺ጼໃ䛻䜒ᑐᛂ䛧䛶䛔䜛䚹 ⊂⮬䛾䝕䞊䝍䝉䝑䝖䜢ᵓ⠏䛧ᩍᖌ䛒䜚Ꮫ⩦䛻䜘䛳䛶⏬ീ䛸ேయ⾲㠃䝰 䝕䝹䛸䛾㛫䛷ṇ☜䛺ᑐᛂ㛵ಀ䜢ྲྀ䛳䛶䛔䜛䚹 5L]D$OS*XOHU1DWDOLD1HYHURYD,DVRQDV.RNNLQRV 'HQVH3RVH'HQVH+XPDQ3RVH(VWLPDWLRQ ,Q7KH:LOG
68. Progressive Color Transfer With Dense Semantic Correspondences 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？ 意味構造の類似している画像間の輝度と⾊度の転送を ⾏う新しいアルゴリズム。 畳み込みニューラルネットワークの層全体でNNF検索 と局所的なカラー転送の最適化を⾏い、徐々に2つの 画像の差をなくしていく。 既存の⽅法と⽐較して検証。アーティファクトや詳細 な部分の⾊転送などを評価。単⼀参照の場合と複数参 照の場合をそれぞれ様々な画像コンテンツで評価。 Barnes et al. 2010 この研究では詳細な部分の⾊転送も⾃然に⾏える。 単⼀の画像を参照するだけでなく、複数の画像参照を し⾊転送をすることも可能。 MINGMING HE, DONGDONG CHEN, LU YUAN, PEDRO V. SANDER ソースにはあるがリファレンスにはない部分の⾊の転 送がうまくいかない場合がある。VGGネットワーク のトレーニング⽅法が原因で、⾊が混同してしまうこ とがある。
69. Tero Karras, Samuli Laine, Timo Aila 2つの画像間でパッチを⼀致させる最近傍フィールドの計 算を迅速に⾏う新しい⽅法を提案。 2つの画像のサイズで探索を⾏わなければいけないため、 基本的に迅速に⾏うのが難しい。この計算を効率的に⾏ うために伝播⽀援KD⽊というものを提案。 各クエリによってチェックされたツリーノードは、近く のクエリから伝達することによって⾼速で正確に計算す る。 B. Arbelot, R. Vergne, T. Hurtut, J. Thollot Computing Nearest-Neighbor Fields via Propagation-Assisted KD-Trees ⾃動的に⾊変換を⾏う⽅法を提案。 ⼊⼒画像と参照画像のテクスチャ領域を⾃動で照合 することで実現させる。ユーザーが調節することも 可能。 問題点としては、⼊⼒画像と出⼒画像が⼗分に類似 している必要があることと、テクスチャ領域と遷移 を検出できるが、顔や⼈⼯的なオブジェクト、前景 と背景などの⾼レベルな意味情報を検出することが できないため結果に影響が出ることがある。 Local texture-based color transfer and colorization
70. Dongdong Chen, Jing Liao, Lu Yuan, Nenghai Yu, and Gang Hua Deep Exemplar-based Colorization 画像のスタイル転送は可能になっているが、ビデオのフ レームごとに適⽤するとちらつきが発⽣してしまう傾向に ある。 それらを改善したビデオスタイル転送のネットワークを提 案。既存の⽅法より⾮常に⾼速で、ほぼリアルタイムで実 ⾏可能。連続するフレーム間の密な特徴の対応を推定する フローサブネットワークとオクルージョンやモーションの 不連続領域を識別するマスクサブネットワークの⼆つの ネットワークをスタイル設定ネットワークの中間層に組み 込む。短期の時間⼀貫性を⻑期の時間⼀貫性に伝播するこ とで効率を上げている。 Mingming He, Dongdong Chen , Jing Liao, Pedro V. Sander, and Lu Yuan ⾊転送を⾏う最初のディープラーニングアプローチを 提案。この研究で開発された畳み込みニューラルネッ トワークに参照画像を与えると⼊⼒したグレースケー ル画像をカラー画像で出⼒する。 意味的類似性を測定するSimilarityサブネットと適切な カラー化を⾏うColorizationサブネットの2つのサブ ネットワークにより、既存の⽅法より優れた結果を出 ⼒している。 Coherent Online Video Style Transfer
71. Jingwan Lu, Pedro V. Sander, Adam Finkelstein 画像、ビデオ、３Dアニメー ションを絵画⾵のスタイルに リアルタイムで変換するシス テム。全てGPUで処理される。 画像全体のストローク密度を 追跡するレンダリングバッ ファと、密度が低ければ新し いストロークを配置し、⾼け れば削除するという確率的プ ロセスの2つの構成に基づい て並列計算を⾏い、スタイル 変換を実⾏している。動画や ３Dモデルの場合はオプティ カルフローやジオメトリック フローに従ってストロークを 移流する。 Interactive Painterly Stylization of Images, Videos and 3D Animations
72. FaceShifter: Towards High Fidelity And Occlusion Aware Face Swapping Lingzhi Li, Jianmin Bao, Hao Yang, Dong Chen, Fang Wen も 先行研究 比べ こ す い 技術や手法 キ こ うや 有効 検証した 議論 あ 次 読むべ 研究 再現度 高い顔変換 可能 す 新しいタイプ 2段階フ ー ワー あ FaceShifter 提案 AEI-Net (Adaptive Embedding Integration Network) HEAR-Net (Heuristic Error Acknowledging Refinement Network) いうU-Net構造 用いた2 ネッ ワー 組 合わせ い AEI-Net 新た AAD (Adaptive Attentional Denormalization) Layer いう ー 追加す こ う く顔情報 背景情 報 再現 HEAR-Net 入力 工夫す こ AEI-Net 再現 た顔 遮 物体 再現 2段階構造 高度 顔 画像変換 可能 し い 非常 ア 顔 変化効果 実現 ターゲッ 画像 対す 特別 ーニング 必要 し い 顔 遮 物体(髪 毛 や帽子 装飾品等)も再現出来 CelebA-HQ FFHQ VGGFace 画像 データ ッ FaceSwap やIPGAN 既存 手法 比較し 定量評価 ー ー評価 行 た た 既存 顔検出ア ゴ ズ 組 合わせ 一般 画像 顔交換 検証も行 い 大規模 ネッ ワー あ 学習や処理速度 時 間
73. 顔 動 ターゲ ングす 際 CNN 使用し 2D顔画像 3DMMパ ータ 学習す 一般的 こ 手法 新 しくター ゲッ 設定 行う前 追加 顔検出 顔 パフ ーマン キ プチ 必要 し う 本稿 最初 同時 顔検知 3DMMパ ータ 学習 行うend-to-end 手法 提案 単一 顔 デ 検知 3DMMパ ータ 学習 次 こ 複数 顔 拡張し 最後 ターゲ ング 行う デ 作成した Joint Face Detection and Facial Motion Retargeting for Multiple Faces Bindita Chaudhuri, Noranart Vesdapunt, Baoyuan Wang CVAE-GAN : Fine Grained Image Generation though Asymmetric Training Jianmin Bao, Dong Chen, Fang Wen, Houqiang Li, Gang Hua 特定 人 顔やカ ゴ 内 ェ 細 いカ ゴ 画 像 合成す た VAE variational autoencoder GAN 組 合わせ た デ 提案 VAE 場合 loss し pixel 2乗誤差 利用す た 画像 ぼやけ こ 多い そこ 本稿 mean squared error 測 く Discriminator 測 い ア 画像 生成す GAN 学習 早い
74. 入力顔画像 バイ 端末 3Dアバター 作成し 自身 表情 ア タイ 制御 end-to-end デ paGAN photoreal avatar GAN 提案 ー ー ップロー した単一 顔画像 入力 3次元顔フ ッ ング 行い GAN条件 使用さ 画像 抽出 GAN 用い 目線や口 内部 UV チ し 事前 計算し 圧 縮さ た デ 利用す こ バイ 端末上 ア タイ 制 御可能 アバター 実現した paGAN: Real-time Avatars Using Dynamic Textures Koki Nagano, Jaewoo Seo, Jun Xing, Lingyu Wei, Zimo Li, Shunsuke Saito, Aviral Agarwal, Jens A Learned Representation For Artistic Style Vincent Dumoulin, Jonathon Shlens, Manjunath Kudlur 正規化 パ ータ タイ 異 も し 学習 させ 1回 訓練 複数 タイ 適用 う す 手法 提 案 異 タイ も共通す 部分 あ いう仮定 下 検証 行い 実行時 パ ーター 変更 タイ 変更す こ 可能 した タイ 混合させ中間的 表現 行うこ も出来
75. Deep Video Portraits Hyeongwoo Kim, Pablo Garrido, Ayush Tewari, Weipeng Xu, Justus Thies, Matthias Nießner, Paがrick Pérez, Chriかがian Richardが, Michael Zollhöfer, Christian Theobalt ソー ビデ 人物 顔 ターゲッ ビデ 人物 顔 転送し 3Dア ニ ー ン 再構築す 機械学習 用いた手法 提案 頭 動 や目 動 2 ビデ パ ータベー 取得 合成した顔 デ ネッ ワー 入力 使用し ターゲッ ビデ 人物 対す ビデ フ ー 推定し ア ビデ 変換す た cGAN 用い 精度 向上さ せ い ターゲッ ビデ 人物 外観 保ち ビデ 内 顔 表情 目 動 や瞬 頭 動 制御す こ 可能 した
76. Portrait Shadow Manipulation も 先行研究 比較 重要 技術 実験方法 疑問点・感想 次 読むべ 論文 カ 写真 た 顔 た 影 取 除く 最新 手法 も高精度 違和感 く 顔 影 取 除け Jonathan T. Barron and Jitendra Malik. 2015. Shape, Illumination, and Re฀ ecがance from Shading. TPAMI (2015). 顔 パーツ 影 取 除くNN 景色 影 取 除くNN 二 使う Jonathan T. Barron, Yun-Ta Tsai, Rohit Pandey, Xiuming Zhang, David E. Jacobs 左右対称 影 髪 毛 影 取 除け い 最新 手法 出力結果 比較 (PSNR,SSIM,LPIPS)
77. Shape, Illumination, and Reflectance from Shading も 先行研究 比較 重要 技術 画像 入力し 物体 凹凸や照度 予測す 既存手法 高精度(graund truth) 近い 統計的手法 手法 用いた 学習ア ゴ ズ 近い手法？ Jonathan T. Barron and Jitendra Malik Automatic Shadow Detection and Removal from a Single Image S. H. Khan, M. Bennamoun, Member, IEEE, F. Sohel and R. Togneri, Senior Member, IEEE も 先行研究 比較 重要 技術 自動 画像中 影 取 除く 完全自動(特徴量 選択す 必要 い) 既存手法 高精度 Deep NN 使う 最適化 MAP 使 う 影 範囲 特定 切 出し 平滑化 順 処理
78. EXTENSIONS OF RECURRENT NEURAL NETWORK LANGUAGE MODEL も 先行研究 比較 重要 技術 実験方法 疑問点・感想 次 読むべ 論文 高速 動作す RNN 提案 他 音響 デ 言語 デ も高速 学習し 高速 出力 出力層 二種類 分け 隠 層 出力層 間 圧縮層 追加 隠 層 変数 数 減 す Toma´s Mikolov ˇ 1,2, Sがefan Kombrink1, Lきka´s Burget ˇ 1, Jan っHonza、 Cernock ˇ y´1, Sanjeev Khudanpur2 今後 実際 音声認識や文章予測 適応した例 示 す 逆伝搬 手法 数種類試し PPL 比較 提案手法 先行手法 比較
79. LONG SHORT-TERM MEMORY も 先行研究 比較 重要 技術 高速 動作す RNN 提案 入力データ 学習結果 データ グ くす 長期依存 データ 学習 逆伝搬 際 誤差 伝搬す う 隠せ 選択す Ian J. Goodfellow, Jean Pouget-Abadie ∗ , Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair† , Aaron Coきrville, Yoshua Bengio Sequence to Sequence Learning with Neural Networks Ilya Sutskever Oriol Vinyals Quoc V. Le も 先行研究 比較 重要 技術 英語 フ ン 語 変換す 多層LSTM 提案 先行研究 も 翻訳精度(Blue score) 良 い 長い文章 も精度 落ち くい 過去 連続データ中 直近 重要 意味 持 語句 重要視す
80. Exploratory Stage Lighting Design using Visual Objectives 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？ 舞台芸術のライティングにおいて, デザイ ナーのイメージから, 実際の舞台空間の照 明に変換するツールの開発. 従来は, 仮想空間上でシミュレートする⼿ 法が有効だと考えられていたが, 照明技師 にとってはあまり直感的ではないことが 分かった. そこで, 実際に主流とされるラ イティングプロセスである, ⽤意された参 照画像から照明を決める⼿法をもとに, 与 えられた画像から照明を決定するものと した. ⼊⼒画像を, 輝度と⾊調として参照し, そ れぞれ代表的なパラメータをいくつか取 り出したライティング候補を挙げた. また, ビジュアルオブジェクティブインタ フェースを⽤いた. 実際の照明器具の制御 は, ETC社と連携してシステム統合を⾏っ た. 照明技師に対するユーザ調査により. ユーザビリティは, 従来のスライダーイ ンタフェースと⽐較して上がった. しか し, 実⽤できる程度には達していないと 感じる. 2次元的な舞台空間や静的照明器具など の古典的な舞台装置にしか適⽤できない. また, 照明以外の舞台装置(フォグとか レーザーとか)の考慮も必要. [ADA*04] [BPB13] [CL14] [LSK*15] [YAMK15] EVAN SHIMIZU, SYLVAIN PARIS, MATT FISHER, ERSIN YUMER, KAYVON FATAHALIAN
81. どんなもの？ ⼀連の写真を1つの合成画像に結合 するためのフォトモンタージュシス テム. グラディエイトドメインフー ジョンとポアソン⽅程式を⽤いた. 画像のローカルとローカル, ライ ティングの識別を可能とした. どんなもの？ 同⼀アングルの様々なライティ ングの複数画像を⼊⼒して, 後 からライティングを好きに操作 できるワークフローの開発. ⼊ ⼒画像が少ないと, その処理に 多くの時間がかかる. どんなもの？ CGレンダリングにおけるパラメー タ調整を最適化するための対話型シ ステムDesign Galleriesの開発. ⼊⼒ ベクトル, 出⼒ベクトル, マッピング, 距離計量, 分散, 配置などのパラメー タに対しての候補を⽰す. Interactive Digital Photomontage ASEEM AGARWALA, MIRA DONTCHEVA, MANEESH AGRAWALA, STEVEN DRUCKER, ALEX COLBURN, BRIAN CURLESS, DAVID SALESIN, MICHAEL COHEN User-assisted Image Compositing for Photographic Lighting IVAYLO BOYADZHIEV, SYLVAIN PARIS, KAVITA BALA Design Galleries: A General Approach to Setting Parameters for Computer Graphics and Animation J. MARKS, B. ANDALMAN, P.A. BEARDSLEY, W. FREEMAN, S. GIBSON, J. HODGINS, T. KANG, B. MIRTICH, H. PFISTER, W. RUML, K. RYALL, J. SEIMS, S. SHIEBER
82. どんなもの？ クリエイティブツールに対する ユーザビリティの評価⽅法 CSI(Creativity Support Index)の 定義. Exploration, Expressiveness, Immersion, Enjoyment, Results Worth Effort, Collaborationの6項⽬を 測定基準とした. また, デスク トップアプリケーションとして 利⽤できるようにし, ⾃動的ス コアリングを可能とした. どんなもの？ オートエンコーダニューラルネット ワークを使⽤した⼿続き型モデリン グ空間システムの開発. 形状の特徴 とPMパラメータの組み合わせによ り実現される低次元形状空間で, ⾼ 速処理を可能にした. Quantifying the Creativity Support of Digital Tools through the Creativity Support Index ERIN CHERRY, CELINE LATULIPE Procedural Modeling Using Autoencoder Networks MEHMET ERSIN YUMER, PAUL ASENTE, RADOMIR MECH, LEVENT BURAK KARA