Upgrade to Pro — share decks privately, control downloads, hide ads and more …

先端技術とメディア表現(FTMA2020) 第9回全レポート

先端技術とメディア表現(FTMA2020) 第9回全レポート

Digital Nature Group

July 29, 2020
Tweet

More Decks by Digital Nature Group

Other Decks in Research

Transcript

  1. 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? ⼈の⼿によって⼀枚⼀枚絵を描いていく⼿法のセルア ニメーションを3D表現を⽤いて表現する。それによっ てセルアニメーションの新しい表現⽅法を提案する。 3DCG技術を⽤いたセルアニメタッチ映像の動きの表

    現 ⾦⼦ 満 中嶋 正之 先⾏研究として挙げられるのは、運動学、⼒学、物理 学、ロボット⼯学の分野から動きを数値的に解明して、 それを可視化する⼿法。これに加えてジャパニメー ションの特徴である滑らかな動きや誇張されたアク ションを表現する。 マルチワールドアニメーション法 ビューとパスの組み合わせによる動きの表現に際して ⾃由度を向上させる⼿法。 アニメーションスタンドという限られた空間を設定す る代わりに、ワールドと呼ぶ三次元空間を設計する。 ⼿法を利⽤して、セルアニメタッチ映像の動きの⽣成 を⾏った。従来のセルアニメではできなかった⾃由な カメラ移動によるビューを⽬標とした。 映像が完成するまでわからないシーンの全景とその動 きがわかるようになった。 従来のセルアニメでは表現する事ができなかったク レーンアップを表現する事ができる。 本論⽂の序盤で触れていたが、新しい技術的な論⽂を 読む前に、⽇本のアニメと海外のアニメの表現⼿法の 違いやセルアニメーションに関する論⽂を読んで基礎 知識をしっかり⾝につけてもいいかもしれない。
  2. バーチャルリアリティ環境を利⽤した サービス業のための業務訓練シミュレータの構築 ⼩柳 陽光, ⻘⼭ ⼀真, ⼤村 簾, ⾕川 智洋,

    廣瀬 通孝 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? コメント VR環境を利⽤したサービス業のための訓練シミュレータ 10年以上接客業務に勤務しており、スタッフの指導を⾏う⽴場で ある者に体験させ意⾒を聞いている 教師側となるユーザがアバタの⾒た⽬や声を変える事で複 数の種類の顧客役を務めることを可能とし、表情の伝送機 能でクレームなどへのストレス耐性をあげることができる ネットワークを通じたやりとりによる実際の業務に近い体 験、アイトラッキング機器とリップトラッキング機器によ る表情伝達システムによる接客態度の育成 容易にアバターを変更できるためソーシャルな実質を伴わせること ができる。しかし、実務作業と並⾏して接客を⾏うことの再現はで きない 英語論⽂を読もうと思っていたのですが、シーグラフから無料で読めなくなっ ていたので、⽇本語論⽂を読みました。 以前、「落合さんはアートではなくテクノロジー」のような批判に も取れるような主張を⾒かけました。テクノロジーであることはメ ディアアートの定義だとも感じます。落合さんはどう思われますか ⼩柳 陽光 (2020). TVRSJ Vol.25 No.1 pp.78-85,
  3. Improving Brain Memory through Gaming Using Hand Clenching and Spreading

    (SIGGRAPH 2019) Yunshi Liu, Febri Abdullah, Pujana Paliyawan, Ruck Thawomas, Tomohiro Harada どんなもの? どうやって有効だと証明した? 先⾏研究と⽐べてどこがすごい? 議論はある? 技術や⼿法のキモはどこ? 次に読むべき論⽂は? ⼿の動きが脳の記憶を改善することを調査する。 ⼿の動きをコマンドに変換するインターフェースを開発した 先⾏研究では⼿の細かい動きを正確に認識しなかったが、 本研究ではそれらの問題を解決した。 ⼿の領域を検出ボックスと呼ばれる⻑⽅形として表す。 動きの検出には検出ボックスの⾯積と中⼼座標を使⽤し、 パーとグー、⼿の上げ下げを検知。対応するキーボードプレスイベント に変換。 記憶能⼒判定は3バックメモリテストで⾏う。 ハンドモーションインターフェイスを使った場合に キーボードを使った際よりも正確に回答したレートが⾼かった。 Kinectとの有意差には特に触れられていなかった PaliyawanとThawonmasのkinectデバイスを使⽤した全 ⾝モーションと⼿のモーションの認識システム
  4. 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? 次の読むべき論文は? VisualHaptics: Generating Haptic Sensation

    Using Only Visual Cues カーソルで触れる対象の状態に応じた、現実世界で感じる ような微細な触覚的感覚を彷彿とさせるGUI技術 カーソルから、素材の粗さ(ざらざら感)、抵抗感、奥行き という3種類の対象の状態を情報提示する パイロットスタディによって、幅広い人々が誘導された触 覚的感覚を体験したことが示されている。 カーソル位置を数ピクセルランダムに変化させて振動を表 現したり(fig1: Left)、風に流される抵抗感を表現したり (fig1: center)、カーソルの大きさを変化させることで奥行 きを表現したり(fig1: right)、状態によってカーソルの形や 動き、大きさを変化させている。 Keita Watanabe, Michiaki Yasumura Feeling bumps and holes without a haptic inter-face: the perception of pseudo-haptic textures, CHI ’04 感じる触覚的な強さに個人差がある。
  5. Attention-Guided Hierarchical Structure Aggregation for Image Matting Yu Qiao, Yuhao

    Liu,Xin Yang,Dongsheng Zhou,Mingliang Xu,Qiang Zhang,Xiaopeng Wei ーン 使わ 前景 精密 抜 出 先行研究 比べ い 技術や手法 キ 次 読 べ 論文 議論 自動 前景 特定 く 階層的 attention機構 用い 出力 結果 Patch GAN 参考 識別ネ ワー 利用 Alpha Matte 視覚的品質 向上 い 特 出力結果 既存 手法 比較 うやっ 有効 検証 Deep Image Matting [Xu et al. 2017] A Late Fusion CNN for Digital Matting [Zhang et al. 2019]
  6. Layering Changes in a Procedural Grooming Pipeline Curtis Andrus 先行研究

    比べ い 技術や手法 キ うやっ 有効 示 議論 次読 べ 論文 Furtility MPC 社内 ー ン ー 組 込 新 い テ 異 ー ン タ 区別 必要 い ペ ーター セー 好 う 解釈 , テ 柔軟性 富 い ョー 設定 一般的 ー ン テ ー ー 一例 同 毛皮 ー ョン ン チ邸用 テ ワー ー 組 込 ー ー 固定セ け 各出発点 サポー い テ , ー ン 特定 構造 想定 い , ー ー 壊 く既存 機能 改善/変更 困難 基本的 動作以上 行う ,ソ 支援 必要 特
  7. ͲΜͳ΋ͷʁ ઌߦݚڀͱൺ΂ͯͲ͕͍͜͢͝ʁ ٕೳ΍ख๏ͷΩϞ͸Ͳ͜ʁ Ͳ͏΍ͬͯ༗ޮੑͩͱݕূͨ͠ʁ ٞ࿦͸͋Δʁ Brain-Inspired Automated Visual Object Discovery

    and Detection -JDIBP$IFO 4VEIJS4JOHI 5IPNBT,BJMBUI 7XBOJ3PZDIPXEIVSZ ෺ମͷஅยը૾͔Βશମ૾Λࣝผ͢ΔγεςϜ ڭҭͳֶ͠शγεςϜʹΑͬͯෳ਺ͷ ߏ੒ཁૉΛ࣋ͭΦϒδΣΫτΛݕग़͕ Մೳ ը૾Λখ͘͞෼ׂͯ͠ɺ͔ͦ͜Β·ͱ ·ΓΛࣝผ͢Δ ࡞੒ͨ͠σʔτηοτͱධՁ ਫ਼౓ͱදݱྗΛ͞΋ͬͱ޲্Ͱ͖Δ ͷͰ͸ͳ͍͔
  8. ͲΜͳ΋ͷʁ ઌߦݚڀͱൺ΂ͯͲ͕͍͜͢͝ʁ ٕೳ΍ख๏ͷΩϞ͸Ͳ͜ʁ Ͳ͏΍ͬͯ༗ޮੑͩͱݕূͨ͠ʁ ٞ࿦͸͋Δʁ A Style-Based Generator Architecture for

    Generative Adversarial Networks Tero Karras, Samuli Laine, Timo Aila ("/Λ༻͍ͯߴղ૾౓ͷը૾Λੜ੒ ৽ͨͳΞʔΩςΫνϟΛఏҊ͍ͯ͠Δ ݻఆͷςϯιϧ͔Βը૾Λੜ੒ͯ͠ ͍Δ ఆྔධՁΛ༻͍ͯྑ͍੒੷ΛऩΊͨ ಛघͳϊΠζ͕ൃੜ͢Δ
  9. ͲΜͳ΋ͷʁ ઌߦݚڀͱൺ΂ͯͲ͕͍͜͢͝ʁ ٕೳ΍ख๏ͷΩϞ͸Ͳ͜ʁ Ͳ͏΍ͬͯ༗ޮੑͩͱݕূͨ͠ʁ ٞ࿦͸͋Δʁ As-Compact-As-Possible Vectorization for Character Images

    ;FRJOH9JB ;IPVIVJ-JBO :JOHNJO5BOH +JBOHVP9JBP จࣈը૾͔ΒϑΥϯτΛੜ੒͢Δ গͳ͍༰ྔͰࡉ͔͍৘ใΛอ࣋Ͱ͖Δ χϡʔϥϧωοτϫʔΫΛ༻͍͍ͯΔ 'POU$SFBUPSͱൺֱͯ͠ධՁ தࠃޠͩͱจࣈ਺͕ଟ͍ͷͰ೉͍͠
  10. ͲΜͳ΋ͷʁ ઌߦݚڀͱൺ΂ͯͲ͕͍͜͢͝ʁ ٕೳ΍ख๏ͷΩϞ͸Ͳ͜ʁ Ͳ͏΍ͬͯ༗ޮੑͩͱݕূͨ͠ʁ ٞ࿦͸͋Δʁ Orochi: Investigating Requirements and Expectations

    for Multipurpose Daily Used Supernumerary Robotic Limbs Mohammed Al-Sada, Thomas Hoglund, Mohammed Khamis, Jaryd Urbani, Tatsuo Nakajima ࣗ෼ͷ࿹ͱ͸ผʹɺ࿹ͷΑ͏ʹମʹר͖͚ͭΔ ϩϘοτ ͭͷΤϯυΤϑΣΫλλΠϓΛ࢖༻͍ͯ͠Δ %P'͕ݸ͋Δ͜ͱ͔Βɺ͍Ζ͍Ζ ͳܗ͕औΕΔ 6TFS4UVEZʹΑͬͯධՁ ݟͨ໨͕೿ख͗͢Δ
  11. 家庭⽤プリンタを⽤いて⽪膚に貼れる⽣体センサーを⽤いて運動中の⽣体情報 を捕捉する技術。 ⽪膚に貼れる⽣体センサーは開発されてきたが、 ⽣体適合に焦点を当てたもので あり、⼀般に普及しづらいものであった。本技術は、家庭⽤プリンタという⾝近 な機械を⽤いて電⼦回路を印刷し、貼り付けるだけなので⼿軽である。 まず電⼦回路を印刷するために、インクカートリッジのカスタマイズを⾏う。空 のインクカートリッジに、 「導電性銀ナノ粒⼦インク」と「導電性ポリマーイン ク」

    、そして「絶縁インク」といった特殊なインク を注⼊し、プリンタ内部にセ ットする。 あとは市販のタトゥーデカール紙にプリントするだけで簡単に⽣体セ ンサーが作成できる。 被験者の⼿⾸に取り付け、運動中の⽣体信号を捕捉した。 医療現場での応⽤を考えれば、装着者の⽪膚の状態によって使⽤が制限される。 また、運動中の利⽤を考えると、汗をかいた場合に信号の受信に影響はないのだ ろうか。 Immersive Light Field Video with a Layered Mesh Representation どんなもの? 先⾏研究と⽐べてどこがすごい? 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? PhysioSkin: Rapid Fabrication of Skin-Conformal Physiological Interfaces Aditya Shekhar Nittala, Arshad Khan, Klaus Kruttwig, Tobias Kraus, Jürgen Steimle SAARLAND UNIVERSITY (仏コース) 技術や⼿法のキモはどこ?
  12. 初心者にも使いやすい自動作曲ツール Cococo 自動作曲するアルゴリズムそのものの有効性ではなく、 特に初心者が実際に使い やすいユーザーインターフェースを追求した点。 Voice Lanes:AI に作成してもらいたいレーン(楽器)や範囲を指定できる。 Semantic Sliders:曲の意外性(遷移確率の不確実性)と明るさ(メジャーor

    マイナ ー)の二つを指定できる。 Audition Multiple Alternatives:複数の生成された選択肢から選べる。 Example-based Slider:複数の選択肢をランダム過ぎず、似通ったものになりす ぎないように調整する。 Soft Priors:サンプリングの分布にユーザーの希望する分布を適用する。これに よって Semantic Sliders が可能になる。 まず作曲初心者らが自動作曲ツールを使う際の困難を調査し、 「一気にすべてが 生成されてしまって評価・編集しきれないこと」 「自分の作りたい方向性になら ないこと」などが挙げられた。 そのニーズを満たすように Cococo を作成し 21 人に使ってもらったところ、ア ンケートでは従来のツールに比べて大きな優位性が見られた。また、被験者らは 実際に機能を有効活用していることを詳細に記述し、Cococo を使う過程での編 曲技術・知識の向上も見られた。 AI が創造性の補助をする場合、 ユーザーインターフェースによって多くを AI が やり過ぎてしまって自己表現の感覚が薄くなりかねない。 ユーザーに明確なゴー ルがない場合には AI が自動的に推し進める必要があるが、ある場合にはその要 望に応える形で働くべきである。 A Real-Time Interactive Music Composition Assistant. In Intelligent User Interfaces Workshops. 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 Novice-AI Music Co-Creation via AI-Steering Tools for Deep Generative Models
  13. 検知 け , 時系列 ータ パターン イニン 手法 提案し 論文

    . 過 去 状況 , 未来 程度 予測す 手法 提案 行 . 先行研究 比べ す い? 技術や手法 キ ? 再現率や , 精度 ,F1 値 指標 用い 評価し . 精度 , 最大 94.8% . ? 議論 あ ? 次 読 い論文 ? うや 有効 検証し ? 時系列 ータ し 扱う , 状況 検知す シ 提案し 点 . 検知 , 既存 cStress 用い (ECG ータ , 呼吸 ー や , 心拍数 算出し , 推定す ). 時間帯 , 活動 種類 , 環境 う 関係 あ 明 し 点 , 数秒単 分析す く , 数分 10 数分 単 , 分析 対象 し 点 . 1.Understanding Physiological Responses to Stressors during Physical Activity,2.Task-Evoked Pupillary Response to Mental Workload in Human-Computer Interaction,3.Towards an Index of Opportunity: Understanding Changes in Mental Workload during Task Execution,4.A Stress-Free Life: Just-in-Time Interventions for Stress via Real-Time Forecasting and Intervention Adaptation,5.MouStress: Detecting Stress from Mouse Motion 回 研究 い , 指標 し , ン ー 取得 情報以外 喫煙 , カ イン 摂取 , そ 他 薬 影響 与え 考慮し い い 点 .
  14. 状態 把握す あ , 生理現象 考慮し 必要 考え , 要因や

    , 身体的活動 行 際 生理 現象 認識す 作成し , そ 後 , 認識 す 作成し . 精度 , 客観的 ,82%, 主観的 ,87% あ . 瞳孔 イ 変化 ッキン す 事 , 精神的 負荷 タ 判定す 手法 提案し . そ 結 果 , 難しいタ す 際 , 精神的 負荷 分 .
  15. タ 行う中 , う 精神的負荷 変化 発生す 調査し . 階層的

    タ 対し , 瞳孔 変化 検知す , 状態 測定す シ 提案し . そ 結果 , 異 タ , 異 ンタ 負荷 け , タ 境界 , 精神的負荷 低下す 明 し . 実環境 い , 状態 検知 , 予測す シ 提 案し . 予測 , 隠 採用し . , 強化 学習 一種 あ Q-leaning ベー し , 状態 際 介入す タイ ン 決 ア 提案し .
  16. 操作情報 , 状態 推定す 手法 提案し . カニ し ,

    腕 操作 , 筋肉 凝 具合 関係し い 事 用い , 凝 具合 度合い 結び け 考え 事 , 状態 推定 行 い .
  17. Scalable Muscle-Actuated Human Simulation and Control SEUNGHWAN LEE, Seoul National

    University, MOONSEOK PARK Seoul National University Bundang Hospital, KYOUNGMIN LEE Seoul National University Bundang Hospital, JEHEE LEE, Seoul National University 強化学習により⾻変形、筋⼒低下、拘縮、義⾜の使⽤等 の解剖学的条件下での動的運動能⼒のシミュレーション を⾏った。 新しい学習アルゴリズムをDRLに組み込むことにより、 学習のパフォーマンスとスケーラビリティが⼤幅に向上 した。 QPベースの低レベルモーター制御を再定式化しDRLの フレームワークにプラグインするドメイン固有の学習ア ルゴリズム。 検証していない。 解剖学的モデリングと物理学ベースのシミュレーション に関するドメイン固有の知識に⼤きく依存していて、⼿ 動のパラメーター調整と段階的な設計の改善に依してい る。 Sunghee Lee, Eftychios Sifakis, and Demetri Terzopoulos. 2009. Comprehensive biome- chanical modeling and simulation of the upper body. ACM Transactions on Graphics 28, 4, Article 99 (2009). 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? Fig. 1. Physics-based simulation and control of dynamic motor skills actuated by 284 to 346 musculotendon units. (Left to right) Musculoskeletal model with multi-segment feet, two-toe feet, and prosthetic legs.
  18. Comprehensive Biomechanical Modeling and Simulation of the Upper Body SUNG-HEE

    LEE, EFTYCHIOS SIFAKIS, and DEMETRI TERZOPOULOS University of California, Los Angeles Locomotion Control for Many-Muscle Humanoids Yoonsang Lee, Moon Seok Park, Taesoo Kwon, Jehee Lee Seoul National University Samsung Electronics Co., Ltd. Seoul National University Bundang Hospital Hanyang University 100を超えるヒル型筋によって作動するヒューマノ イドモデル⽤の⼆⾜歩⾏コントローラを、ステップ ベースの⼆⾜歩⾏の平衡化と多くの⾮線形ヒル型筋 の協調に同時に対処できる新しいアルゴリズムで 作った。静的最適化と筋⾁収縮ダイナミクスを組み 込んで動的コントローラーを⽣成するオンライン2 次計画法と組み合わせることで筋⾁の冗⻑性を解決 する新しい式によるパブリックドメインの筋⾻格モ デル。 ⼈間の上半⾝の⾮常に詳細な⽣体⼒学的モデ ル(動的な関節型⾻格、多数のヒル型筋アク チュエータ、および軟組織の現実的な有限要 素シミュレーションで構成)をシミュレーショ ンに導⼊した。埋め込みモデルを使⽤して、 シミュレーションジオメトリから視覚化ジオ メトリを分離することにより、軟組織シミュ レーションにおいてかなり⾼速なパフォーマ ンスを達成できた。
  19. Learning to Schedule Control Fragments for Physics-Based Characters Using Deep

    Q- Learning LIBIN LIU, Disney Research and JESSICA HODGINS Disney Research and Carnegie Mellon University Learning Basketball Dribbling Skills Using Trajectory Optimization and Deep Reinforcement Learning LIBIN LIU, DeepMotion Inc., USA JESSICA HODGINS, Carnegie Mellon University, USA モーションキャプチャデータからバスケット ボールのスキルを物理ベースでリアルタイムに 効率的に学習するためのフレームワークを構築 した。バスケットボールコントローラーを歩⾏ 制御コンポーネントと腕制御コンポーネントに 分離して各コンポーネントを個別に学習し、 (ボールのロバスト制御を実現するために)軌道最 適化と深部強化学習に基づいて効率的なパイプ ラインを開発し⾮線形アーム制御ポリシーを学 習した。 ⾮常にダイナミックな幅広い動作制御のスケ ジューラーを中程度のサイズのQネットワーク によって効果的にモデル化できることと、そ のスケジューラーがディープQ学習アルゴリズ ムによって効率的に学習できることを⽰し た。
  20. Automatic Determination of Facial Muscle Activations from Sparse Motion Capture

    Marker Data Eftychios Sifakis∗ Stanford University Intel Corporation Igor Neverov† Stanford University Ronald Fedkiw∗ Stanford University Industrial Light + Magic 男性の被験者から取得した体積データを使⽤して、顔の筋⾁、受動組織、および基礎となる⾻格構造の解 剖学的に正確なモデルを構築した。まばらなモーションキャプチャマーカー⼊⼒を追跡する制御値を⾃動 的に計算するために、新しいアルゴリズムを開発した。コントロールが再構築されたら、モデルを外部オ ブジェクトとの相互作⽤にさらしたり、動的シミュレーションで弾道運動をキャプチャしたり、複数の既 存のセグメントを組み合わせたり、⼿動で調整したりして活性化空間で式を編集できる。
  21. 難易度の⾼いラフスケッチをクリーンな線画に変換する トレーニングスケッチ簡略化ネットワークの統合フレー ムワーク 従来のアプローチよりも処理が早い。アプローチよりも 鉛筆画の⽣成もできる 学習において教師なしデータを使⽤するように拡張した こと。 出⼒結果の線画の再現度が(⾒た⽬で判断して)よくなっ た。 教師あり学習で学習された⾼品質のデータに依存してお

    り、それがないと良い結果が得られない。⼊⼒画像から 影を削除するのが難しく、出⼒に不要なラインが残るこ と。 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? Mastering Sketching: Adversarial Augmentation for Structured Prediction EDGAR SIMO-SERRA, Waseda University SATOSHI IIZUKA, Waseda University HIROSHI ISHIKAWA, Waseda University
  22. ILoveSketch: As-Natural-As-Possible Sketching System for Creating 3D Curve Models Seok-Hyung

    Bae, Ravin Balakrishnan, Karan Singh Department of Computer Science, University of Toronto Style and Abstraction in Portrait Sketching Itamar Berger1,2 Ariel Shamir1,2 Moshe Mahler2 Elizabeth Carter2,3 Jessica Hodgins2,3 1The Interdisciplinary Center Herzliya 2Disney Research Pittsburgh 3Carnegie Mellon University ⼈間の顔のスケッチのスタイルと抽象化の研 究。写真から⼈間の顔をスケッチする様々な アーティストのデータを⼤量に収集して、スト ロークと幾何学的形状の2つのレベルでデータを 分析した。このデータを学習させることによ り、さまざまな芸術スタイルと異なる抽象化レ ベルでスケッチを合成できるようになった。 プロのデザイナー向けにペンと紙のアフォーダ ンスをキャプチャし、コンセプトの3Dカーブモ デルで直接反復できる3Dカーブスケッチシステ ム。曲線のスケッチ機能を改善するための⾃動 ビュー回転、スケッチサーフェス選択のための 軸ウィジェット、スケッチ⼿法間ウィ⾃動で変 更する新しい機能を作った。
  23. Just DrawIt: a 3D sketching system Cindy Grimm1 and Pushkar

    Joshi2 † 1Washington University in St. Louis, 2Motorola Mobility Image Super-Resolution Using Deep Convolutional Networks Chao Dong, Chen Change Loy, Member, IEEE, Kaiming He, Member, IEE 低解像度画像と⾼解像度画像間のエンドツーエ ンドのマッピングを直接学習する、単⼀画像超 解像(SR)の深層学習⼿法の提案。提案⼿法は シンプルさと堅牢性という利点を備えており、 画像のぼかしや同時SR +ノイズ除去など、他の 低レベルの視覚問題にも適⽤できる。 サーフェシングに適した3Dカーブを作成するた めのスケッチベースのシステム。ユーザーはい つでも任意のビューから⾃由形式でスケッチで き、システムはそれらのスケッチストロークを 図⾯に追加する⽅法を推測する。
  24. Context Encoders: Feature Learning by Inpainting Deepak Pathak Philipp Kra

    ̈henbu ̈hl Jeff Donahue Trevor Darrell University of California, Berkeley コンテキストベースのピクセル予測による教師なしの視覚的特徴学習アルゴリズムを提案。 周囲で条件付けされた任意の画像領域のコンテンツを⽣成するようにトレーニングする畳み込みニューラ ルネットワークで、意味的に意味のあるコンテンツをパラメトリックな⽅法で修復できることが多く、最 近傍に基づく修復メソッドにより優れた機能を提供できる。
  25. ͲΜͳ΋ͷʁ ਓͱϩϘοτ͕ಉௐ͢Δ͜ͱͰ༰қͳίϛϡχέʔγϣϯΛՄೳʹ ઌߦݚڀͱൺ΂ͯʁ ྗֶܥͷҾ͖ࠐΈݱ৅ʹΑͬͯݪཧΛઃܭɾ࣮ݱ͢Δ ٕज़ͷ؊͸ʁ ٞ࿦͸͋Δʁ ࣍ʹಡΉ΂͖ݚڀ͸ʁ ݕূ๏͸ʁ يಓΞτϥΫλΛ༻͍ͨϩϘοτͷಉௐӡಈ੍ޚ ʹΑΔίϛϡχέʔγϣϯݪཧͷදݱ

    IUUQTXXXKTUBHFKTUHPKQBSUJDMFKSTK@@@QEGDIBSKB ྗֶܥͷҾ͖ࠐΈݱ৅ʹΑͬͯݪཧΛઃܭɾ࣮ݱ͢Δ ΞτϥΫλͷઃܭΛߦ͍ɺ࣮ࡍͷ࣮ূΛߦͬͨ ண஍ͷҰఆपظͷ࣮ূ͸ߦ͑ͳ͍ͨΊɺͦΕΛݕূ͢Δඞཁ͕͋Δ >'&9%BODFBOE$&-BSTPO5IFGVODUJPOTPGIVNBODPNNVOJDBUJPO"UIFPSFUJDBMBQQSPBDI)PMU 3JOFIBSUBOE8JOTUPO  <>౉ล෋෉l਎ମతίϛϡχέʔγϣϯʹ͓͚ΔҾ͖ࠐΈͱ਎ମੑʕ৺͕௨͏਎ମతίϛϡχέʔγϣϯγεςϜ&$04.*$ͷ։ൃΛ <>ਆా ฏ໺ μχΤϧ ੴࠇl೔ৗੜ׆ͷ৔Ͱ௕ظ૬ޓ࡞༻͢Δਓؒܕର࿩ϩϘοτʕޠֶڭҭ΁ͷద༻ͷࢼΈʕz ೔ຊϩϘοτֶձࢽ WPM OP QQ  <>খྛ ࢢ઒ ઍా ௣༿lإϩϘοτ*7ͷ։ൃʕ੍ޚ఺ͷ࡮৽ͱߏ଄ͷվྑʕz ೔ຊϩϘοτֶձ૑ཱप೥ه೦ֶज़ߨԋձ $  ௨ͯ͠ʕz ϕϏʔαΠΤϯε WPM QQ  <>,UJPOPG)VNBO3PCPU+PJOU.PSJUB"UUFOUJPOUIF3PCPUTBOEBOE.UISPVHI *&&&34+4ZTUFNT "TBEBwH"DRVJTJ3FBMUJNF/BU*OUFSOBUJPOBMQQ ޻஌ೳֶձࢽ  )PTPEB )4VNJOPLB *OUFSBDUJPO wI1SPDPGVSBM$POGFSFODFPO*OUFMMJHFOU <>Տݪ ཥl࿈ଓԻ੠ೝࣝιϑτ΢ΤΞ+VMJVTz ਓWPM OP QQ  <>Ҵ༢ Ҵ༿ Ҫ্lϢʔβͱͷର࿩ʹجͮ͘ஈ֊తͳߦಈܾఆϞσϧͷ֫ಘz ೔ຊϩϘοτֶձࢽ WPM OP QQ 
  26. Supporting Spatial Skill Learning with Gesture-Based Embodied Design Po-Tsung Chiu,

    Helen Wauck, Ziang Xiao, 他 空間的推論教育 ー け ー インタ シ ン イン いく イ イン 提案: (a) 空間操作 ー 使い分け (b) 空間概 念 ー 整合性 保 (c) 空間操作 静 し 手 姿勢 ? 各 ー ン ー ー対 操作 20 分 合計 40 分 け イ し し イ後 彼 年齢 性別 示し う 簡単 楽しい イ イ す 疲 思 ー 各 ー ン そ 理由 評価す う 求 ー 後 アン ー 記入し うや 有効 検証し ? 本研究 復設計ア ー 出 一連 ー ッ 提 示し 子供 習得しやすく 特定 空間操作 十分 一致し シ 認識 可能 し い 先行研究 比べ す い? 多く 参加者 集 長い期間 わ 実施 大規模 ー ー研 究 ー ッ 学習 強化す う 設計 う 詳細 い 多く 洞察 得 期待 議論 あ ? Leap Motion API ワイ ー 回転 ー し タイ 化し [18] 例 調査し 子供 空間的推論能力 訓練す 特別 設計 ー 人間 ー Leap Motion ン ー 組 込 ー ー し 改善し 3 ー ン作成し 技術や手法 キ ? Yuan Yao, Po-Tsung Chiu, and Wai-Tat Fu. 2017. A Gestural Interface for Practicing Children’s Spatial Skills. IUI’17 次 読 べ 論文 ? IUI ’18
  27. Enabling Gesture-based Interactions with Objects Longfei Shangguan, Zimu Zhou, Kyle

    Jamieson RFID ベー ー認識シ あ Pantomime 提案 本論文 RFID タ 付い 物体 手 取 ー す け ー そ 物体 対す 意見や感情 送信す 組 提案す 従来 複数 アン 用い 単一タ ッキン 枠組 同等 複数 タ 用い 単一アン シ 置 換え 目的 し い Pantomime わ 2 RFID タ タ 付け 物体 対し 動作す 確 ー ッキン 可能 し 将来的 Pantomime ー ー 拡張し 倉庫や ー 全体 展開し 大規模 長期的 研究 行う予定 あ Explicit task representation based on gesture interaction Christian Muller-Tomfelde, Cecile Paris ー 使用し 従来 異 ン ーター環境 人間 対話す ア ーシ ン 明示的 タ 表現 役割 使用法 い 述べ 明示的 タ 表現 ーインタ シ ン ン 情報豊 仮想環境 構築す ア ー 仮想環境内 ン ータ 暗黙 知識 訓練 す ー ーやアシ タン し 機能す ア ーシ ン 焦点 当 い ア ー う一 側面 明示的 タ 表現 必要 す ア ーシ ン 例え ー パ ー ン 文書化し 評価し す ア ーシ ン 適し い いう あ ッ 仮想環境 知識 ベー 推論シ 組 合わ 垂直 タイ い 議論し タ ベー ーシ ン 進化 実証す MMUI '05 MobiSys '17
  28. Soli: ubiquitous gesture sensing with millimeter wave radar Jaime Lien,

    Nicholas Gillian, M. Emre Karagozler, 他 波 ー ー ベー し 人間 ン ータ インタ シ ン 頑 健 高解像度 低消費電力 型 ー ン 技術 あ Soli 紹 介 本論文 Soli ー認識 使用 組 込 ー ア上 毎秒 10,000 ー 以上 精度 ー 追跡 実 証し い Soli 一度 ターす 物理的 ン ー 頼 1 普遍的 ー ッ ー ン ー ン イ ン ー う 真 キタ ー言語 可能性 あ 2016 Reconstructing Hand Poses Using Visible Light Tianxing Li, Xi Xiong, Yifei Xie, 他 カ や身体検知装置 必要 ア タイ 3D 手 骨格 再構築す ー ン Aili 紹介 本研究 成果 (1) 手 ー 再構成す 能力 持 ー ン 補強す Aili タイ 設計 実装 ; (2) イ 閉塞 ッ 用い 手 骨格 確実 効率的 再構成す ア タイ 再構成ア ; (3) ー ー間 Aili 再構成性能 シ 評価 ; (4) Leap Motion イ シー問題 検証し Aili イ シー保護 関す ー ッ 募 ー ー研究 ; (5) Aili 使用シ ン ーシ ン 5 あ 2017
  29. DeepASL: Enabling Ubiquitous and Non-Intrusive Word and Sentence-Level Sign Language

    Translation Biyi Fang, Jillian Co, Mi Zhang 本論文 紹介す DeepASL 変化 富 ー ーニン ベー 手話 翻訳技術 単語 ベ 文 ベ 両方 キタ 非侵入的 ア カ 手話 ASL 翻訳 可能 す DeepASL 赤外 ンシン カニ し 使用し 新しい階層的 方向深層 カ ン ニ ー ネッ ワー (HB-RNN) Connectionist Temporal Classification (CTC) 基 い 確率論的 ー ワー そ 単語 ベ 文 ベ ASL 翻訳 組 込 い そ 性能 評価す 11 人 参加者 7,306 ン 集し 一般的 使用 56 ASL 単語 100 ASL 文 カ ーし SenSys '17
  30. 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? 異なる表現の共存を認識するのに区別する⽅法としてサイズなどのコ ンテキスト固有の情報に基づく曲線などの形で分けること以外にモー ドやペンの切り替えなどがある。これらには⽋点があり選択肢の模索 が必要である

    作曲は創造的な段階から進⾏して最後の部分に⾄るまで「多くの反発 的な開発が⾏われ、設計媒体の望ましい特性は柔軟で持ち運びが簡単 であることなのでタブレットよりも紙の⽅が扱いやすい、そこから⼈ 間のジェスチャーと⾳楽的なアイデアのリンクに⽬をつけたところ。 常に新しい状態の楽譜をキャプチャすることができない。創造的 なプロセスをサポートするツールを作成することで紙とコン ピュータの間で豊かなやりとりを作曲家に提供することができる 関数識別⼦として認識され、これは関数の引数を互換性のあるデータ 要素と⼀致させるもので、ポインタ、スコープジェスチャ、及びテキ ストパラメータで表される。このあるゴリイズムはグループないの接 続を追跡する。この認識の正確さをテストする。クラシックの楽譜を ⽤いてmusinkで基本的なジェスチャーを様々な例で⾏うものである。 Stifelman, L., Arons, B. & Schmandt, C. The audio notebook: paper and pen interaction with structured speech. In Proc. CHI 2001, ACM Press (2001), 182-189. Musink:Composing Music through Augmented Drawing 作曲するプロセスの中で紙で書いたものとコンピュータで書いた ものの間を媒介するようなもので、紙で書いたリズムや⾳符、記 号などをコンピュータ上にあげたときに曲のプロセスに⾃然に⼊ り込ませるもの
  31. 紙はその汎⽤性と使いやすさによるレビューやメモの作成などで 使われる。ユーザが印刷されたドキュメントに注釈をつけて収集 すると豊富なウェブを作成することが可能であるが、紙は静的メ ディアであるので物理的な世界に閉じ込められる。PaperCraft はユーザが操作できるジェスチャーベースのインターフェース、 印刷物をプロ棋⼠として直接使⽤できるデジタルドキュメントで ある。ユーザはデジタルペンを使⽤して印刷物に注釈をつけたり 描画したり、コマンドジェスチャで操作を⾏うことができるもの PapierCraft:A Command

    System for Interactive Paper Shunyuan Liao,Francois Guimbretiere Human-Computer Interaction Lab Department of Computer Science University of Maryland ペンの区切り⽂字の定量分析を提⽰する コンピュータが⼊⼒するフレーズの構造を決定するために使⽤で きる。投げ縄選択やマーキングメニューベースのコマンドのアク ティブ化で構成される選択アクションジェスチャーフレーズの区 切りを設定する⽅法の研究。Scriboliペンは区切り⽂字の役割に ついて説明しピグテールがスコープの選択、コマンドのアクティ ブ化、及び直接操作を全て単⼀の流体ジェスチャーでサポートす る⽅法である。 Design and Analysis of Delimiters for Selection- Action Pen Gesture Phrases in Scriboli Ken Hinckley, Patrick Baudisch, Gonzalo Ramos, Francois Guim retiere
  32. 3Dプリンタやレーザーカットなどがデスクトップ上で利⽤可能 になったことで建築、⼯業デザインの物理モデルが頻繁に使⽤さ れるようになった。モデルには簡単に注釈をつけ、コメント、編 集などフィードバックを取り組むことが可能であるが、物理世界 に残りデジタル世界に戻らない。ここで各モデルの表⾯に印刷さ れた追跡パターンに基づき、注釈をキャプチャできるだけでなく、 シンプルな多⽬的なコマンドシステムを使⽤してモデルを編集す ることが可能であるものである。 ModelCraft:Capturing Freehand

    Annotations and Edits on Physical 3D Models Hyuyoung Song, Francois Guimbretiere Chang Hu Hod Lipson ⽣物学者は紙ベースで実験の調査結果を維持する必要がある。ア クティブなコンピュータのユーザであるのでデジタル画像を操作 し、データを分析し、ネットを介して情報を交換する。物理世界 と仮想世界の両⽅で情報を交差できるための⽅法である。ユーザ のジェスチャーをキャプチャし、関連するドキュメントを識別し ながら⽣物学者が物理的なノートブックを記述、注釈、操作でき るようなプロトタイプの作成をした。ユーザは情報に名前を付け たり、タグを付けたり、検索したり、ページ間及び外部情報のリ ンクを作成しインデックスを⾃動的に⽣成するものである。 The Missing Link: Augment Biology Laboratory Notebooks Wendy E. Markay, Guillaume Pothier,Catherine Leutondal, Kaare Boegh & Hans Erik Sorensen
  33. Experimental evidence of dispersal of invasive cyprinid eggs inside migratory

    waterfowl Lovas-Kiss, Orsolya Vincze, Viktor Löki, Felícia Palléお-Kapusi, Béla Halasi-Kovácか, Gyula Kovácか, View ORCID ProfileAndy J. Green, and View ORCID PおofileBalázか Andおáか Lきkácか 先行研究 比べ 議論 次 読 検証方法 飼育下 マ モ 給餌し コイ 卵 マ モ 新鮮 糞 回収さ 孵化し 生 残 生存率 0.2%ほ あ 淡水生態系 け 生物多様性 保全や 外来種 侵略を探 うえ 大 影響を与え 以前 孤立し 水域 生息す 魚 うや そこ 移動 つい 様々 議論 さ 鳥類 体 つい 魚卵 別 水域 落ち 移動す 推察さ い 根拠 コイ 卵をマ モ 強制給餌し 糞を1 2 4 6 8 12 24時間後 採取し 河川水 満 さ 水槽 浸し 0.2% 卵 無傷 あ そ 20% ほ 孵化 成功 Long-Distance Dispersal of Plants 0.2% いう生存率 非常 低い確率 う 思え 野鳥 魚卵を食べ 頻度を考慮す 魚 卵 動物内寄生 頻繁 起 い 考え ま 無傷 卵 わ 負荷 成功率 低 真菌感染 あ こ 自然界 起こ 可能性 低い
  34. Killifish eggs can disperse via gut passage through waterfowl ダカ

    卵 白鳥 消化器系内 分散し い こ を示し 摂取さ ダカ 卵 推定 1% 鳥 糞 生存可能 あ 発育を続け こ Colonizing Islands of water on dry land—on the passive dispersal of fish eggs by birds 湖 他 水域 接続さ い い わ 多く 場合魚 個体群 存在す こ を解明す こ 魚 生物多様性を理解す 不可欠 あ 受動的魚卵分散 関す 研究 方向性を提案す Endozoochory of Large Bryophyte Fragments by Waterbirds 渡 鳥 腸を通過し 生 残 コケ植物 確 認さ コケ植物 断片 胞子 重要 分散 カニ ム あ 可能性 Potential for passive internal dispersal: eggs of an aquatic leaf beetle survive passage through the digestive system of mallards 完全 水棲 あ 甲虫 ほ 甲虫 比べ著し く広い分布を示し い そこ こ 甲虫 卵をマ モ 給餌し 動物内分散 可能性をテ トし こ 卵 約1% 摂取後2〜8時 間 マ モ 糞便 回収 そ 20% 幼虫 孵化しまし Predation on Pacific herring (Clupea pallasi ) spawn by birds in Prince William Sound, Alaska ニシン Clupea pallasi 生息す 地域 鳥 餌 調査 最 捕食量 多い種 い 産卵堆積物 そ 26% 3%を消費し い
  35. 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 ? 電気刺激 利用し 筋肉 動 す 力 ー バッ 与 え 最大18.7N 力 ー バッ 与え モーター 用い い 大幅 小型化 エネ ー効率 向上 実現し い 電極 介し ー ー 腕 不随意 筋肉 収束 誘発 せ ー ー 腕 横 傾 ー ー そ 抵抗す 力 ー バッ 認識す モバ ーム タ 作成し 検証し 特 し Arsenault, R. and Ware, C. Eye-hand co-ordination with force feedback. Proc. CHI '00, 408-414.
  36. も ? ーン 用い 空中 触覚 ー バッ 提供す HapticDrone

    上向 1.53N 下向 2.97N ー バッ 可能 も ? ー 使う く ッ よう 操作感 実現 す 空中 ンタ ン バ も ? 既存 ッ ン 技術 影響 与え く簡単 装着 AR ー ン 力 触覚 熱 ー バッ 与え 指先触覚 も ? ッ ター 用い バ ン 能力 持 ー 用い 人々 ー ンタ ン 拡張す 可能
  37. も ? ッ ター ー ー 位置 ン せ VR

    ーン 合 わせ ッ ター ー ー 衝突 せ 触覚 ー バッ 提供す
  38. - -- - - - - 1 BLA -CRIGK GKE

    CG , KE 2CKPLK 3CC 2NGOPGK LQP KLR D B? % N KODLNJCN ]S alo] pv g RL ? E W MCK* N KODLNJCN 3 L S 3 N KODLNJCN m l p c ? T % U 3 %( O l fS k t 5 lh fi n k U s mfkS l m p g T ? P U 3 ) % prmtiu 8Q*- * l [ L * ? U Se p b p g r T U : %
  39. 1 G 0 I CC D ,KK C ( G

    DE (A C DC I A DK M D 8 C=G D C=I = D AG e Q t e Z Z M 0 1pok t b a De L N pok D e M c L c e Z V M D w p - C ) C 2ID M y Tt pe L su k n l o e d f r P n l o V d e n l oh ug m e L n l oeyku a S e Z i u su kV
  40. ,0 0 +, 0 1 + ,0 0 G D

    K 0 JGA G D D= ED I DI D ,E G K D G , D= Q tR e R T1 J Uo S e A e aw s RuR e a nm V R ge f m e v e Q R o d Wm jd c e r o Rb Rd Z m c w o ,0 , 0 L D E C 1 N G A GC G AE NAEG I ,B ED ED D EC N ,JA N G D BB EBE JA D Q0 l o V II DI EDeio V G D EGC G o SQ i ik VcVP Q a haep z k j 1E o Wm , ypo Q a d Q e wdk V G D EGC G
  41. ' : ' 8 ) , 8 8 8 .

    ( ) 8 ) 8 ) C ' ' ) 8 G ) ) 8 Thm o y aek G tQ KM NT s c Q NTf c MfZ (, )idgr G x K g hs LWMVS Yes nsl h k f c T s c T S G z LWMVS S Tu
  42. 3FBEZ 4UFBEZ 5PVDIŠ4FOTJOH1IZTJDBM$POUBDU XJUIB'JOHFS.PVOUFE*.6 ͲΜͳ΋ͷʁ ઌߦݚڀͱൺֱͯ͠Կ͕͍͢͝ʁ ٕज़΍ख๏ͷ؊͸ʁ ༗ޮੑͷ࣮ূํ๏͸ʁ ٞ࿦͸͋Δ͔ʁ ࣍ʹಡΉ΂͖࿦จ͸ʁ

    ༷ʑͳૉࡐද໘Ͱͷࢦͷλονͱࢦͷಈ͖Λײ஌͢Δ৽͍͠ख๏Ͱ͋Δ "DUVBM5PVDIΛ։ൃɻ ׳ੑଌఆϢχοτʢ*.6ʣΛ࢖༻ͨ͠Ҏલͷख๏ͱൺֱ͠ɺࢦͷλονεςʔλε ΛܧଓతʹهԱՄೳͰ͋Δ఺ɺಛผͳτϨʔχϯάͳ͠ʹ༷ʑͳද໘Ͱػೳ͢Δ ఺ɺλονεςʔλεηϯγϯάͱଞͷ*.6ηϯγϯάػೳʢࢦͷಈ͖ͷ௥੻ͳ Ͳʣͷ૊Έ߹ΘͤʹΑͬͯผͷํ๏ͰҟͳΔηϯγϯάϝΧχζϜΛඞཁͱ͢Δ͞ ·͟·ͳϢʔεέʔεΛαϙʔτͰ͖Δ఺͕༏Ε͍ͯΔɻ ۭதʹࢦΛஔ͘ͱɺඍখͳৼಈ͕ൃੜ͠ɺ੩తͳ෺ମʹ৮ΕΔͱৼಈ͕ݮগɻ·ͨ ࢦ͕ද໘ʹԊͬͯҠಈ͢Δͱ͖ɺࢦͷؒͷຎࡲʹΑΓۭதʹ͋Δ࣌ͱ͸ҟͳΔৼಈ ͕ൃੜɻ͜ͷΑ͏ͳӡಈಛੑΛΩϟϓνϟ͢Δ׳ੑଌఆϢχοτʢ*.6ʣΛ࢖༻͠ ͯɺࢦͱ੩తΦϒδΣΫτؒͷ઀৮Λݕग़͍ͯ͠Δɻ ϓϩτλΠϓΛ࡞੒͠ɺ࣮ࡍͷಡΈऔΓਫ਼౓Λଌఆͨ͠ɻͦͷ݁Ռɺ߶ੑ ͷ͋ΔςʔϒϧτοϓαʔϑΣεͰτϨʔχϯά͞Εͨ͜ͷϞσϧ͸ɺ߶ੑ ͕มԽ͢Δͦͷଞͷछྨͷ೔ৗͷαʔϑΣεɺ͓Αͼλον͕ൃੜ͍ͯ͠ ͳ͍าߦͱ࠲͍ͬͯΔγφϦΦͰฏۉˋͷਫ਼౓Λҡ࣋͢Δ͜ͱ͕Θ͔ͬ ͨɻ ϊΠζ΁ͷରԠ͕ෆे෼Ͱ͋Δ͜ͱɻ ΢ΣΞϥϒϧͳηϯγϯάσόΠε
  43. 130+&$5*0/."11*/(4:45&.50 "8*%&-:%:/".*$41)&3&8*5) $*3$6.'&3&/5*"-."3,&34 ٿମ΁ͷө૾౤Өʹয఺Λ߹ΘͤɺτϥοΩϯάϚʔΧʔͱͯ͠ʮԁप ϚʔΧʔʯΛ৽ͨʹ։ൃͨ͠ɻԁ͸Χϝϥͷಁࢹ౤ӨͰପԁͱͯ͠؍ଌ ͞Εɺͦͷܗঢ়ʹ͸ٿͷزԿֶత৘ใʢٿ্ͷϚʔΧʔҐஔͱٿͷαΠ ζ͔Βͷٿͷਂ͞Ґஔʣؚ͕·Εɺ௿ղ૾౓ͱ΅΍͚ʹڧ͘ɺԞߦ͖ํ ޲ʹ޿͍౤ӨൣғΛ࣋ͭͱ͍͏ಛ௃͕͋Δɻ·ͨԁप্ͷଌఆ఺͕ଟ͍ ͨΊɺΦΫϧʔδϣϯڧ͘ɺख଍ʹΑͬͯϘʔϧ͕ःΒΕͯ΋໰୊ͳ͘ಈ ࡞ՄೳͰ͋Δɻ

    -BQMBDJBO7JTJPO"VHNFOUJOH.PUJPO 1SFEJDUJPOWJB0QUJDBM4FF5ISPVHI )FBE.PVOUFE%JTQMBZT φΠʔϒ෺ཧֶ͸෺ཧݱ৅ͷཧղʹؔΘΔਓؒͷεΩϧΛࢦ͠ɺ͜ΕʹΑ ͬͯਓؒ͸ϘʔϧͷকདྷͷيಓΛ༧ଌ͢Δ͜ͱ͕Ͱ͖Δɻ͔͠͠ਓؒͷ ༧ଌʹΤϥʔ΋͋Δ͜ͱ͸͔֬ͰɺϥϓϥγΞϯϏδϣϯʢ-7ʣ͸͜ͷ ೳྗΛࢧԉ͢Δࢹ֮૿ڧγεςϜͰ͋Δɻݱ࣮ੈքͷΦϒδΣΫτΛ௥ ੻͠ɺيಓΛਪఆ͢Δ͜ͱʹΑΓɺϢʔβʔͷϘʔϧͷண཮஍఺·ͨ͸ ର޲ंͷܦ࿏ͷਪఆਫ਼౓Λ޲্ͤ͞ΔɻγεςϜͰ͸ޫֶγʔεϧʔϔο υϚ΢ϯτσΟεϓϨΠͱΦϒδΣΫτηϯγϯάτϥοΩϯάΛ࢖༻ ͯ͠ɺ༧ଌͨ͠يಓΛϢʔβʔͷࢹ఺͔Βݱ࣮ੈքʹॏͶ߹ΘͤΔɻ· ͨ-7Λ࢖༻͢Δͱɺಈ͍͍ͯΔΦϒδΣΫτͷকདྷͷண཮Ґஔͷਪఆਫ਼ ౓͕໿ഒ޲্͢Δ͜ͱ͕Θ͔ͬͨɻ
  44. 4PDJB#PXM"%ZOBNJD5BCMF $FOUFSQJFDFUP.FEJBUF(SPVQ $POWFSTBUJPOT 8SB1S4QPPM#BTFE'BCSJDBUJPOGPS 0CKFDU$SFBUJPOBOE.PEJpDBUJPO εϓʔϦϯάͷݪཧʹج͍ͮͨ%ΦϒδΣΫτͷ ৽͍͠੡࡞ํ๏ΛఏҊ͠·͢ɻࢳɺϦϘϯɺςʔ ϓɺϫΠϠʔͳͲͷط੡ͷࡐྉΛத৺ͱͳΔߏ଄ ʹר͖෇͚Δ͜ͱͰɺ৽͍͠ΦϒδΣΫτΛ࡞੒ ͨ͠ΓɺطଘͷΦϒδΣΫτʹ๬·͍͠ඒత͔ͭ

    ػೳతͳಛ௃Λ௥Ճͨ͠ΓͰ͖·͢ɻιʔεεϓ ʔϧ͔Βλʔήοτεϐϯυϧʹࢳ΍ͦͷଞͷॊ Β͔͍ϑΟϥϝϯτঢ়ͷࡐྉΛ഑ஔ͢Δ৔ॴΛ੍ ޚ͢Δ͜ͱʹΑΔɺ͞·͟·ͳߏ଄Λੜ੒͢Δख ஈͱͯ͠ͷεϓʔϧΛௐࠪ͠ɺ੍ޚͰ͖ΔΦϒδ ΣΫτϓϩύςΟ͕ଟ਺͋Δ͜ͱ͕Θ͔Γ·͠ ͨɻ ԁܗͷςʔϒϧͷதԝʹಈతͳϞʔλ੍ޚͷϘ΢ϧ Λઃஔͨ͠ɻ͜Ε͸ςʔϒϧʹηϯλʔϐʔεΛ഑ ஔ͢Δͱ͍͏Ұൠతͳ׳शΛ໛฿͠ɺιʔγϟϧμ ΠφϛΫεΛߴΊΔͨΊʹɺԁܗςʔϒϧͱηϯλ ʔϐʔεͷ૊Έ߹Θͤͨ4PDJB#PXMΛ։ൃͨ͠ɻς ʔϒϧͷද໘ͰͷਓʑͷδΣενϟʔʹԠͯ͡͞· ͟·ͳίϯςϯπΛอ࣋͠ɺ͞·͟·ͳํ޲ʹҠಈ ͢Δ͜ͱ͕Ͱ͖·͢ɻ
  45. Donald G. Dansereau, Glenn Schuster, Joseph Ford, and Gordon Wetzstein

    https://openaccess.thecvf.com/content_cvpr_2017/html/Dansereau_A_Wide-Field-Of-View_Monocentric_CVPR_2017_paper.html 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? I. Ihrke, J. Restrepo, and L. Mignard-Debise. Principles of light field imaging. IEEE Signal Processing Magazine, 1053(5888/16), 2016. コンパクトなマルチセンサーリグの開発。センサーを敷き詰める事で連続した像を 撮影することが困難であることから、低コストの光学系とLF処理を組み合わせる事 でこれを解決することが望まれる。 メトリック深度の推定にはキャリブレーションが必要 0.5~4mの焦点深度の範囲で収集したシングルフレームのLFでテストを行った。 実際にパノラマのLF撮影を行い、撮影後のリフォーカスやLF超解像を行った。 LF panorama s/tchingは複数の画像を連続して撮影する手法のためにダイナミックな シーンの撮影ができない。 魚眼レンズは視野角は広いが、entrance pupilが小さい(F値が大きい)ため深度情報の 量が制限される。 Catadioptric systemsは湾曲鏡を用いるためにかさばる上、解像度が一つのセンサーに 制限される。 単眼レンズとマイクロレンズアレイを用いた複数のセンサーを組み合わせる事で、 これまでにない広い視野角でのLight Field撮影を可能にする光学設計 固定されたメインのレンズに対してセンサーを相対的に回転させる、シングルセン サーLFカメラのプロトタイプを作成している。(これはセンサーが複数ないため) A Wide-Field-of-View Monocentric Light Field Camera (CVPR’17) 平面センサと単心レンズをLF処理で結合すること 複数のLFセンサからのデータを共有のメインレンズを介して効率的に表現すること
  46. Light Field Imagingについて解説した論文 LFのキーは、シーンキャプチャを画像合成から分離している古典的な写真のイメー ジング手法を再解釈することで、ポストプロセスにおいて新たな柔軟性をもたらし たこと。それにより、撮影後の再フォーカス、視点の変更、3Dデータ抽出、焦点距 離変更など、単純な画像処理以上の様々なことができるようになったこと。 解像度損失が課題の一つだが、ピクセルサイズが物理的な限界に近づいているた めアルゴリズムの改良が重要。 次のステップはライトフィールドビデオ。

    Ivo Ihrke, John Restrepo, Lois Mignard-Debise https://hal.inria.fr/hal-01377379/document Principles of Light Field Imaging: Briefly revisiting 25 years of research Marc Levoy , Pat Hanrahan https://dl.acm.org/doi/pdf/10.1145/237170.237199 Light Field Rendering 画像ベースの3Dレンダリングシステム。 利用可能な画像を合成して再サンプリングするだけで、奥行き情報や特徴量のマッ チングなしに、任意のカメラ位置から新しいビューを生成するためのシンプルでロ バストな方法を実現したもの。 手法の鍵は、入力画像を4D関数の2Dスライス(光場)として解釈すること。この関数 は、照明が固定された静的なシーンにおいて、障害物のない空間を通る光の流れを 完全に特徴付けられる。
  47. 高品質の全方位ステレオ(ODS)映像をキャプチャする実用的なVRビデオキャプチャ、ス ティッチング、レンダリングシステム「Jump」を実現したもの。 ODSをVR動画に導入した際に生じる歪みを分析、マルチカメラODSリグの実現可能な空 間設計を明らかにし、それに基づいて市販のカメラを用いた最適なリグを設計した。 このシステムを用いて150時間以上の映像が作成され、2000万回以上再生されている。 しかし、オプティカルフローに依存しているため、1メートル以内の物体の移動といっ た非常に大きな動きや薄い構造体など、多くの状況で障害が発生しうる。 Robert Anderson, Noah

    Snavely, David Gallup, Jonathan T. Barron, Carlos Herna ́ndez Sameer Agarwal ,Janne Kontkanen Steven M. Seitz https://dl-acm-org.ezproxy.tulips.tsukuba.ac.jp/doi/pdf/10.1145/2980179.2980257 Jump: Virtual Reality Video (TOG’16) Ren Ng, Marc Levoy, Mathieu Bre ́dif, Gene Duval, Mark Horowitz, Pat Hanrahan https://hal.archives-ouvertes.fr/hal-02551481/ Light Field Photography with a Hand-held Plenoptic Camera 一回の撮影で4Dのライトフィールドをサンプリングするカメラ。 センサーとメインレンズの間にマイクロレンズアレイを配置することで、プレノプ ティックカメラを実現した。 中判デジタルカメラとマイクロレンズアレイを用いた試作品を使用して、マクロの 接写、ポートレート、高速アクションなどを対象に再フォースや視点操作を行なっ た。
  48. プレノプティック カメラ (Plenoptic Camera) に独自の微細光学技術および画像処理 技術を融合させ,小型筐体かつシングルスナップショットで2次元マルチスペクト ル情報を取得できるカメラを開発した メインレンズ内、MLAで分離される光線の途中に分光特性の異なるバンドパスフィ ルタを配置することで、測定対象の一点に対する分光情報をセンサ上の別々の位置 に保存することができる。

    カメラから得られた複数バンドの分光画像に重回帰分析手法を適用し,色度を推定 し た Kensuke Masuda, Yuji Yamanaka, Go Maruyama, Sho Nagai https://jp.ricoh.com/-/Media/Ricoh/Sites/jp_ricoh/technology/techreport/40/pdf/RTR40a05.pdf プレノプティック光学系を利用したマルチスペクトルカメラ
  49. ͲΜͳ΋ͷ ઌߦݚڀͱൺ΂ͯԿ͕͍͢͝ ٕज़΍ख๏ͷΩϞ͸Ͳ͜ Ͳ͏΍ͬͯ༗ޮͩͱݕূͨ͠ ٞ࿦͸͋Δ ࣍ʹಡΉ΂͖࿦จ͸  ਓؒίʔε σδΧϝʹ͓͍ͯ*14 *NBHF4JHOBM1SPDFTTJOH

    Ͱը૾͕࡞ΒΕΔ͕ ͦ͜Ͱͷύϥϝʔλ͸ ৬ਓ͕खಈͰνϡʔχϯά͞Ε͍ͯΔͦͷ࡞ۀ͸Կϲ݄΋͔͔Δ͜ͱ͕͋Γ ຊ࿦จͰ͸ͦΕ ΛࣗಈͰߦ͏ํ๏ΛఏҊ खಈʹΑͬͯύϥϝʔλΛٻΊͨ࣌Λ্ճΔੑೳΛୡ੒ͨ͠ *1"QBSBNFUFSΛϥϯμϜʹม͑ͨը૾ʹΑΔσʔλϕʔεΛߏங͠ ೖྗը૾ͱ*14 QBSBNFUFSͷ૊Έ͔Βॲཧޙͷը૾Λਪଌ͢Δ$//Λֶशͦͷޙ ໨తͱͷଛࣦΛઃఆ͠  ͦͷଛࣦΛ࠶ফԽͤ͞ΔΑ͏ͳ*14QBSBNFUFSΛٻΊΔ ্ਤͷΑ͏ʹEFGBVMUQBSBNFUFS PQUJNJ[FEQBSBNFUFS  HSPVOEUSVUIΛฒ΂ͯൺֱͨ͠Γ ଛࣦ΍ਖ਼֬͞Λఆྔతʹ΋ ධՁ ຊख๏Ͱ͸μΠφϛοΫϨϯδ͕ແࢹ͞ΕΔͷͰਖ਼֬ͳর౓Λද ݱ͢Δ͜ͱ͕Ͱ͖ͳ͍ͳͲ <)FJEFFUBM>ͳͲ
  50. Camouflage Images Hung-Kuo Chu Wei-Hsin Hsu Niloy J. Mitra Daniel

    Cohen-Or Tien-Tsin Wong Tong-Yee Lee ? 難易度 制御 可能 カモ ー 画像を作成す 手法 先行研究 比べ こ す い? 難易度 適切 制御 可能 つアマ ア 初心者ま カモ ー 画像を作成 点 技術や手法 キモ ・視覚探索 け 特徴探索を無効化しつつ 結合探索 情 報を保持す 2段階 テク 合成 キーム ・大ま 輝度分布を取得し 没入度 目立ち度を制約 し 目的 関数を最適化し トーン 割 当 を行う方法(難易度制御 可 能 ) うや 有効 検証し ? ユー 調査 実施(認識時間 正答率 測定 本物 アーテ ト 作成し 画像 比較) 議論 あ ? 埋 込 画像 輝度コント ト 低い場合 背景 隠すこ 難しい 次 読 べ 論文 ? HUANG, L., TREISMAN, A., AND PASHLER, H. 2007. Characterizing the limits of human visual awareness. Science 317, 5839, 823.
  51. Self-Animating Images: Illusory Motion Using Repeated Asymmetric Patterns Ming-Te Chi

    Tong-Yee Lee Yingge Qu Tien-Tsin Wong 錯覚的 動 関す 既存 心理的知識 基 く 静止画 自己ア ニ ーシ ン画像を自動的 生成す 計算方法を提案し ま 流線 基 くRAP(繰 返し配置さ 非対称 パターン) 配置手法を提案し 静的 ベクト 空間 錯覚的 動 を生成す ま RAP 色 組 合わせを決定す 新しい方法を提案し 色 組 合わせ 限定さ い う し さ 錯覚 強度を 高 ベクト 空間 生成方法を提案し こ 手法 ユー カ ー画像を入力す そ 画像 領域 形状を 維持しつつ 豊富 色 ットを自動的 選択し 自己アニ ーシ ン画像を作成す Image Quilting for Texture Synthesis and Transfer Alexei A. Efros William T. Freeman 既存 画像 小さ パッ をつ 合わせ 新しい画像を合成す 方法 あ 画像キ テ ン を紹介し こ 方法 主 アイ ア 既存 テク パッ を取 一貫し 方法 そ を縫い合わせ 新しいテク を合成す こ あ 非常 シン 高速 ア ム 安定性 高く 計算コ ト 低い ま こ ア ムを拡張し あ オ クト 取得し テク を別 オ クト 転送し 再 ンダ ン す 方法を紹介し
  52. Shadow Art Niloy J. Mitra Mark Pauly 3D シ アートをインタ

    クテ 作成す 計算 ームワークを提案し ユー 目的 影を定義す 1つ以上 二値画像を選択し 光源(視点) 位置を指定す こ 影 制約を同時 満 す3D形状 存在し い場合を考慮し 入力画 像を最小限 変形し 一貫し 構造物(影を作 出す物体 shadow hull)を自動 構築す 幾何学的最適化手法を紹介し ユー 計算さ 構造物をインタ クテ 編集可能 あ シ テム こ 編集 計算さ 影 画像 一致す こ を自動的 保 証す Emerging Images Niloy J. Mitra Hung-Kuo Chu Tong-Yee Lee Lior Wolf Hezy Yeshurun Daniel Cohen-Or 難易度 制御 可能 Emerging Image(一見意味 い部分 情報を集約し 意味 あ 全体を知覚す 人間特有 能力を利用 し 画像)を自動的 合成す ア ムを提示し こ 人間 検出 自動ア ム(ボット) 認識す こ 難しい画像 提案し ア ム 合成さ 画 像 局所的 認識手順や ンテーシ ンを支援す 有用 手 をほ 漏 さ い う 設計さ い 合成 画像 全体 し 人間 明 局所的 ノイ 見え う
  53. Painting With Texture Lincoln Ritter Wilmot Li Brian Curless Maneesh

    Agrawala David Salesin ユー 入力し テク 作成し パ ット イントす こ タ 画像を生成 インタ クテ テク イントシ テムを提示し こ シ テム 中核 自然 画像を 生成す 必要 境界効果 インタ クテ テク 合 成 直感的 トローク 重 (マー 交差 オー ー ッ ) いう3つ 課題 対処す テク 合成ア ム あ ま 既存 方法を拡張し 境界効果 ア 情報を含 テク を合成す ア ムを開発し インタ クテ 機能す こ を示す さ トローク 重 対処す 階層描画モ を提示し ユー 直感的 つ表現力 高いこ を示す
  54. A Literature Review Website Design and User Engagement 先行研究 う

    イン 要 素 挙 そ 要素 う し 確立さ い をま いく 最終的 最 頻度 高 7つ 要素を分析し いく Renne Garret Jason Chiu Ly Zhang Sean D Young Google Scholarsを利用し design usability websites 3つ 言葉を基 検索し提示さ 計115000 論 文 うち上位100個 論文を基 分 析を行う Google Scholars 上記 条件 加 え 査読さ ー あ 英語 書 2000年以降 論文 を調べ 20 要素 うち調査論文 30%以上 登場し を分析す 最 頻度 高 ビ ー シ ン 続い ック 整理性 利便性 目的性 簡潔性 可読性 あ ビ ーシ ン い 画像 有無 適切 画像 イ い 要素 重要性 読 取 イン 要素 うち中 分野を 跨 こ あ そ 同 要素 あ 異 意味を持つこ あ 今後 分析 こ う 観点 必要 く A Literature Review; Website Design and User Engagement
  55. Colour appeal in website design within and across cultures 色彩

    利用者 対し す影響 大 いこ 知 い 色 彩あユー ー 満足度 う影響す ま 異 文化圏 こ 変 わ 研究 少 い Rune Petterson 先行研究 色彩 人間 心理 影響を及 すこ 知 い ここ イト け 利用 者 イト ロイ テ 色彩 う影響を与え を見 いく ま カ ダ イ 日本 三つ 文化圏 違い あ 見 いく 色彩 目立つほ 信用度や満足 度 上昇し こ ロイ テ 増加 繋 こ 分 し しこ 上昇 文化 影響 を及 さ い いう 一部 国・効果 し 確認 全文化圏 黄色 嫌わ い こ 観測さ Website usability, consumer satisfaction and the intension to use a website ここ イト け 利 便性 満足度 イトを実際 利用 す 利用度 及 す影響を見 加 え 満足度 利用度 及 す影響 見 いく Daniel Belanche Luis V Casalo Miguel Guinaliu 先行研究や他 調査 イト 利便性 利用者 非常 重要 あ こ 分 い ここ こ 利便性 具体的 う 戦略的価値 繋 い を見 いく 利便性 利用者 満足度 直接影響 を与え こ 分 し し仮 説 反し 利便性 直接的 利用度 影響 与え 満足度 利用度 影響す こ 分 す わち 利便性 間接的 利用度 関係し い
  56. An empirical study of web browsing behaviour 先行研究 イト 利用を

    促進す インを持つ イト 全 体的 い結果を生 さ い ここ イト 利用方法を 通し イン 関し 理解し い く Kuwok Kee Wei Gek Woo Tan Hui Kun Neo ここ 利用者 余分 処理 削減 や利用 促進 繋 う 効果的 インモ 構築を行 う イト 閲覧 際し ン クや ニ ー 言 感覚記 憶 う 処理さ い ま イト上 次 行動判断 ここま 処理し 情報 選択肢 生成さ 調査 結果 し 道筋 し ユー ーパ ーマン を促 進す イト 効果 高い 分 Interaction Usability and Aesthetics: What influences users’ preferences 内容 同 インタ イ タイ 異 二つ イトを利用 し アンケートを通し イト 対 す 印象を見 いく Antonella De Angeli Alistair Sutcliffe Jan Hartmann インタ クテ イ ト 台頭 利便性 イト け 最重要要因 陥落しつつあ 感 実際 インタ クテ 視覚的 美しい イト ほう 利便性 例え落ち 利用者評価 高い 見 いく 比喩的 インを イト そ 視覚的効果 記憶 強く 一般的 イ ト そ 情報 中身 覚え い ま インタ クテ イン イト 真剣度 低い情報 場合 良い効果 あ こ 読 取
  57. A theoretical model and empirical results linking website interactivity and

    usability satisfaction 利便性 イト 成功 重要 あ 対し インタ ク シ ン性 そ 効果 不明確 あ ここ ユー ー満足度を通し イ ンタ クシ ン性 す影響を 見 Paul Benjamin Lowry Taylor Michael Wells Trent Spaulding Gregory Daniel Moody インタ クシ ン性 持つ イト 効果 未 不確定 要 素 多く イ イン し イン タクシ ン性 重要性を説い い 書籍 多い 根拠 基 い い い ここ そ 効果を実際 確認す 結果 し インタ クシ ン性 向上 イト け ユー ー満足 度 向上 繋 こ 立証さ 具体的 ユー ー 求 い インタ クシ ン性を超え こ 満足度 高い利用者を生 出す こ 可能 いうこ あ
  58. MARIA KARAM, FRANK A. RUSSO, AND DEBORAH I. FELS DESIGNING

    THE MODEL HUMAN COCHLEA: AN AMBIENT CROSSMODAL AUDIO-TACTILE DISPLAY ➤ ͲΜͳ΋ͷʁ ➤ पғͷ৮֮σΟεϓϨΠΛ࢖༻ͯ͠ௌ֮৘ใΛ৮֮ ৘ใʹม׵͢Δײ֮୅ସٕज़͓ΑͼγεςϜͷ։ൃ ➤ ઌߦݚڀͱൺ΂ͯͲ͕͍͜͢͝ʁ ➤ ৼಈՄೳͳप೾਺෼ͷԻ͔͠औΓग़ͤͳ͔͕ͬͨɼ શͯͷԻྖҬʹରԠͰ͖Δ ➤ ٕज़΍ख๏ͷΩϞ͸Ͳ͜ʁ ➤ ޿ൣғͷৼಈܹ͕ࢗಉ࣌ʹಉ͡৔ॴʹଘࡏ͢Δͱ͖ ʹɼௌ֮-৮֮ϚεΩϯάͷྔΛݮΒ͢ ➤ Ͳ͏΍ͬͯ༗ޮੑΛݕূͨ͠ʁ ➤ 3ͭͷϞσϧΛඃݧऀʹମݧͯ͠΋Βͬͨ ➤ ָ͍͠ɼ൵͍͠ɼා͍ɼౖΓͷ4छྨײ৘ͱͦͷ ֤ʑʹదͨ͠ҟͳΔ2ۂΛ࢖͍ݕূ ➤ ٞ࿦͸͋Δʁ ➤ Control Model < Frequency Model < Track Model ➤ ࣍ʹಡΉ΂͖࿦จ͸ʁ ➤ RAHMAN, et al 2010 IEEE Transactions on Haptics ( Volume: 2 , Issue: 3 , July-Sept. 2009 ) https://ieeexplore.ieee.org/abstract/document/5184836
  59. ؔ࿈ݚڀ ϦΞϧλΠϜͰ஌֮Մೳͳௌ֮৘ใ͔Βৼಈ৮֮৘ใʹ ม׵͢ΔΞϧΰϦζϜͷ։ൃɻ MPVEOFTTͱSPVHIOFTTͦΕͧΕ৮֮ৼಈͷ࢓ํ͕ҧ͏ͷ͕ಛ௃ ԻָɺήʔϜɺಈըͷதͰҰ൪ήʔϜ͕༗ޮͩͬͨɻ 3FBM5JNF1FSDFQUJPO-FWFM5SBOTMBUJPO GSPN"VEJP4JHOBMTUP7JCSPUBDUJMF&⒎FDUT +BFCPOH FUBM Իָ࡞੒ʹ͓͍ͯௌ֮ো͕͍ऀͱͦ͏Ͱͳ͍ਓ͕ͲͷΑ͏ʹ

    ίϥϘ͢Δ͔ΛఏҊͨ͠ɻ ৮֮ϑΟʔυόοΫΛ༻͍ͯԻΛՄࢹԽ͠ɺૢ࡞ʹ͓͍ͯ͸ λονεΫϦʔϯʹ৮֮Λ༩͑ͨɻ ࣮ݧͷ݁ՌɺΑΓৄࡉͳՄࢹԽͱ෼ࢄԽͷIBQUJDT͕ඞཁ .VTJD"JE 5PXBSETB$PMMBCPSBUJWF&YQFSJFODF GPS%FBGBOE)FBSJOH1FPQMF JO$SFBUJOH.VTJD &OF FUBM
  60. F2FS: A New File System for Flash Storage 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 Changman Lee, Dongho Sim, Joo-Young Hwang, and Sangyeun Cho 近年需要 高 い ン ッ ュ ー 上 動作 う 設計さ たLinux あ F2FS 実装方法 そ 性能 い 述べ い こ 手法 SSD う ン ッ ュ ー 最適化さ い あ た 、HDD 効率的 動 いこ あ 実験結果 合成負荷下 EXT4 比べiozone 最大3.1倍、 SQLite 2倍性能 上回 い こ わ た た、複数 現実的 負荷 所要時間を最大40%短縮 、 サー ー EXT4 比べSATA SSD 最大2.5倍、 PCIe SSD 最大1.8倍 性能を誇 こ わ た ッ ュ 特性を考慮 、 Flash-friendly on-disk Layout, Cost-effective index structure, Multi-head logging, Adaptive logging, fsync acceleration with roll-forward recovery 5 方法 効率的 を実現 い NAND ッ ュ 用 使用 、最適化さ た 今 開発さ こ た ッ ュ 最適化さ い 他 い
  61. The Design and Implementation of a Log-Structured File System どんなものか

    内容 どんなものか 内容 Mendel Rosenblum, et al. SSR 受信 た書 込 要求 対応 た ン ン ー ン 避け い場合 、使用さ い ン 無効 領域 変更さ た ー を書 込 方式 あ LIBU 複数 ン 書 込 を超えた ー 更新を 蓄積 こ 、整合性を損 うこ く書 込 量を 削減 こ た、停電 起こ た 復旧 際 行わ 整合性 回復 た ー手順を工夫 あ 様々 実験結果 、SSR LIBUを採用 た場合広い利用範囲 性能 大幅 向上 、 LFS Ext3 性能を 超え こ 確認さ い LFS 性能上 問題点を克服 た Slack Space Recycling (SSR) Lazy Indirect Block Update (LIBU) 2 方式を提案 、そ 二 方式 を導入 たLFS 性能評価を行 い Optimizations of LFS with Slack Space Recycling and Lazy Indirect Block Update Yongseok Oh, et al. 今回 利便性 基 いた単純 ー ン ー 効率性 を示 一連 ュ ー ョンを行い、Sprite LFS 呼 log-structured file system を実装 い Sprite LFS 小規模 write 現行 Unix 性能を桁違い 上回 、readや大規模 write Unix 性能 同等 そ 以上 性能を発揮 こ わ た ー ン た ー ー ッ を含 、Sprite LFS 70% 帯域幅をwrite 使うこ 、 Unix 通常5~10% 帯域幅 使え い点 効率的 あ log-structured file system いう新た ー ネー ーを紹介 い
  62. The Linux Implementation of a Log-structured File System どんなものか 内容

    どんなものか 内容 Ryusuke Konishi, et al. 既存 FTL ー ッ 対 効率的 動作 、 汎用的 計算機 使用 場合 、 ー ョン方式 効率 低下 可能性 あ 汎用計算機 た 高性能FTLを構築 た 、 Write 要求 ーン 関 特性を考慮 必要 あ 、 特 temporal locality sequential locality 両方を効率的 利用 必要 あ そ た 、 sequential write random writeを分離 必要 あ 、 ン ュー 機器 ーン 最適化さ た既存 FTL 、 汎用 ン ュー ン write ーンを利用 た 再設計さ べ あ 汎用計算機 特性 最適化さ た新 い ッ ュ 管理手法 あ LAST(Locality-Aware Sector Translation)を提案 い LAST: Locality-Aware Sector Translation for NAND Flash Memory-Based Storage Systems Sungjin Lee, et al. ext3, XFS う ー ン 速さ ー や電源障害 不測 事態 復旧 一貫性 優 い 、 ー 保存さ た ー ー を上書 こ 実現さ いう特性上、依然 致命的 破壊 対処 い そ 対処 た LFSを用い、さ ー 復旧 関 ッ ョッ を用い 、 高度 機能を実現 い ッ ョッ 、人為的 含 、 ー 損失 可能性を減 こ 、市販 ー 中 こ 機能をサ ー い あ 、 高く 一般的 い 、 ー 復元性を向上 こ Linux 信頼性を高 た log-structed Filesystem 手法を利用 たNILFSを提案 い
  63. SFS: Random Write Considered Harmful in Solid State Drives どんなものか

    内容 Changwoo Min, et al. SFS 以下 2 ー を こ 実現 い 1.log-structed ー を取 こ SSD 最大 書 込 帯域幅を利用 、 べ random writeを SSD sequential write 変換 2.既存 ン ー ン 時 data separation く、 書 込 時 新 い ー ー 化 方法を用い、更新 可能性 似 い ー ッ を同 ン 配置 こ ン ン 利用率 ー ー 分布 形成を可能 こ 、log-structed filesystem 行わ ン ー ン ー ー ッ を最小限 抑え 結果 従来 LFS ー ッ 最大2.5倍向上 、 ext4 や btrfs 最新 比較 SSD 内部 ッ 消去数を最大 7.5 倍 大幅 削減 こ 成功 た ッ ュ 上 持 い 問題を 対処 た 開発さ たSSD向け あ SFSを提案 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 䝅䝱䝪䞁⋢䛺䛹䛾⾲㠃䛾 䜔䝙䝳䞊䝖䞁ᖸ΅䝟䝍䞊䞁➼䜢 ⪃៖䛧䛯䜰䝙䝯䞊䝅䝵䞁 ⢓ᛶຊ䜢䝰䝕䝹䛻⤌䜏㎸䜏⢓ᛶὶయ䛷䜒ṇ☜䛻⾲⌧䛷䛝 䜛䜘䛖䛻䛩䜛䚹ⷧ⭷◚⿣䝰䝕䝹䜢ྲྀ䜚ධ䜜䜛䚹

    䝁䞊䝗䛾⡆␎໬䚸䝋䝹䝞䞊䛾᭱㐺໬䚹 ᪤Ꮡ䛾ᡭἲ䛷సᡂ䛧䛯䜰䝙䝯䞊䝅䝵䞁䛸䛾ẚ㍑䛻䜘䛳䛶㐪䛔䜢☜ ㄆ䛩䜛䚹 ⭷ཌ䛾ኚ໬䜢┤᥋䝅䝭䝳䝺䞊䝅䝵䞁䛩䜛䛣䛸䛷⾲㠃䛾 䜔 ẟ⣽⟶Ἴ䚸ኚᙧ䛻౫Ꮡ䛧䛯◚᩿䛺䛹䛾䝅䝭䝳䝺䞊䝅䝵䞁䛜 ྍ⬟䛻䛺䛳䛯䚹 䝘䝡䜶䝇䝖䞊䜽䝇᪉⛬ᘧ䛾୰䛻⭷ཌ䜢ప⮬⏤ᗘ䛷ᑟධ䛧㛵㐃䛩䜛㐠 ື᪉⛬ᘧ䜢ᑟฟ䛩䜛䚹䛭䛧䛶㠀䝬䝙䝩䞊䝹䝗୕ゅᙧ䝯䝑䝅䝳㠃ୖ䛷㞳 ᩓ໬䛧䛶᪤Ꮡ䛾䝞䝤䝹䝋䝹䝞䞊䛻⤖ྜ䛩䜛䚹 ᒁᡤⓗ䛺㉁㔞ಖᏑ䜢ྍ⬟䛻䛩䜛ᅽ⦰ሙ䛾䛯䜑䛾ᅽຊᢞ ᙳἲ䚹 6$'$6+,*(,6+,'$)80,<$1$5,7$726+,<$+$&+,68.$&+5,6:2-7$1 $0RGHOIRU6RDS)LOP'\QDPLFVZLWK(YROYLQJ7KLFNQHVV ⷧ⭷䛾䝅䝭䝳䝺䞊䝅䝵䞁
  65. 䛹䜣䛺䜒䛾䠛 ඛ⾜◊✲䛸ẚ䜉䛶䛹䛣䛜䛩䛤䛔䠛 䜿䝰䝯䜹䝙䜽䝇䝅䝭䝳䝺䞊䝅䝵䞁䝣䝺䞊䝮䝽䞊䜽䛻䜘䜛⌧ᐇ 䛾⌫≧Ἳ䛾䝅䝭䝳䝺䞊䝅䝵䞁 ⊂⮬䛾䝉䝭䝷䜾䝷䞁䝆䝳⛣ὶ䝋䝹䝞䞊䜢฼⏝䛧䛯䜿䝰䝯䜹䝙䜽䝇䝅 䝭䝳䝺䞊䝅䝵䞁䝣䝺䞊䝮䝽䞊䜽䛻䜘䜚䚸⌧ᐇ䛾▼㮯⭷䛾䜘䛖 䛺እぢ䛻䜘䜚㏆䛵䛡䜛䛣䛸䛜䛷䛝䜛䚹㔜ຊ䜔✵Ẽᦶ᧿➼䛷 ぢ䜙䜜䜛⾲㠃䛾」㞧䛺ὶ䜜䜢ᐇ⌧䛧䛶䛔䜛䚹 :(,=+(1+8$1*-8/,$1,6(5,1*+$86(1720 .1(,3+2)=,<,148&+(1)$1)8-,$1*0$77+,$6%

    +8//,1 &KHPRPHFKDQLFDO6LPXODWLRQRI6RDS)LOP)ORZRQ 6SKHULFDO%XEEOHV 䛹䜣䛺䜒䛾䠛 ඛ⾜◊✲䛸ẚ䜉䛶䛹䛣䛜䛩䛤䛔䠛 䝅䞁䝥䝹䛷㧗㏿䛻ィ⟬䛷䛝Ἳ䛾ᐃᖖᙧ≧䛾≉ᛶ䜢ṇ☜䛻 ᤊ䛘䛯䝅䝭䝳䝺䞊䝅䝵䞁 」ᩘ䛾⭷䛜䛴䛺䛜䛳䛯᥋ྜ㒊䛺䛹䛾㠀䝬䝙䝩䞊䝹䝗ᵓ㐀䜢䝻䝞䝇䝖 䛻ᢅ䛖䛣䛸䛜䛷䛝䜛䜘䛖䛻䛺䛳䛯䚹 䝘䝡䜶䝇䝖䞊䜽䝇᪉⛬ᘧ䛷䛿ィ⟬㔞䛜ከ䛩䛞䜛䛯䜑䝥䝷䝖䞊䛾ἲ๎䜢 ඖ䛻䛧䛯௦᭰ⓗ䛺ᘧ䜢ᥦ᱌䛧䛶䛔䜛䚹 $+\SHUEROLF*HRPHWULF)ORZIRU(YROYLQJ)LOPVDQG )RDPV 6$'$6+,*(,6+,'$0$)80,<$0$0272 5<2,&+,$1'2726+,<$+$&+,68.$
  66. 䛹䜣䛺䜒䛾䠛 ඛ⾜◊✲䛸ẚ䜉䛶䛹䛣䛜䛩䛤䛔䠛 ௵ព䛾ᩘ䛾ධຊ䝯䝑䝅䝳ୖ䛷ቃ⏺䜔ᕪศ䛾ᢳฟ 㝈ᐃ䜽䝷䝇䛛䜙ᵓ⠏䛧䛯䝯䝑䝅䝳䛷 3:1 䝯䝑䝅䝳䜢స䜚㧗ᗘ䛻䝻䝞䝇䝖䛷 ಖᏲⓗ䛺䜰䝹䝂䝸䝈䝮䝉䝑䝖䜢⏕ᡂ䛷䛝䜛 4LQJQDQ=KRX(LWDQ*ULQVSXQ'HQLV=RULQ$OHF-DFREVRQ 䛹䜣䛺䜒䛾䠛 ඛ⾜◊✲䛸ẚ䜉䛶䛹䛣䛜䛩䛤䛔䠛

    㠀ᅽ⦰ᛶ䚸㠀⢓ᛶ䚸ᆒ୍ᐦᗘ䛾ᾮయ䛾⾲㠃ᙇຊ䜢⏝䛔䛯 䝅䝭䝳䝺䞊䝅䝵䞁 ⾲㠃ᙇຊ䛸័ᛶ䛻䜘䜛⾲㠃䝧䞊䝇䛾䠏ḟඖᾮయ䛾ฎ⌮䚹⾲⌧ຊ䜢㧗 䜑䚸୙せ䛺㒊ศ䛾ィ⟬䜢䛫䛪䛻῭䜣䛷䛔䜛䚹 6XUIDFH2QO\/LTXLGV )DQJ'D'DYLG+DKQ&KULVWRSKHU%DWW\&KULV:RMWDQ(LWDQ *ULQVSXQ 0HVK$UUDQJHPHQWVIRU6ROLG*HRPHWU\
  67. A Style-Based Generator Architecture for Generative Adversarial Networks 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? スタイル変換の技術をもとにジェネレータアーキテク チャを再設計し、 画像合成プロセスを制御する新し い⽅法を提案した。 ⼊⼒層を完全に省略し、代わりに学習した定数から始 めることで従来のジェネレータの設計を新しくした。 並⾏作業で⾏われた⼤規模なImageNet測定。 FID( Frechet inception distances )が従来のジェネ レータよりも20%向上している。 Generative Adversarial Networks. In NIPS, 2014 ⽣成された画像は既存の⽅法よりも品質が⾼く、帽⼦ やアクセサリーなどもうまく合成されている。 Tero Karras, Samuli Laine, Timo Aila トレーニング中に中間の潜在的な空間を直接形成する ⽅法が今後の研究の課題。
  68. Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David

    Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio Yanghao Li, Naiyan Wang, Jiaying Li, Xiaodi Hou Generative Adversarial Nets なぜニューラルネットワークによるスタイル転送が うまくいっているのかを説明している。ニューラル ネットワークによるスタイル転送の本質はスタイル 画像と⽣成された画像との間の特徴分布を⼀致させ ることであると主張している。 グラム⾏列を⼀致させることは2次多項式カーネル で最⼤平均不⼀致を最⼩化することと同様であるこ とを⽰し、新たな分布調節⽅法でスタイル転送を拡 張した。 GANを提案した論⽂。GANはサンプルがモデル 分布からのものかデータ分布からのものかを判 別する学習モデル。⽣成モデルはサンプルをで きるだけデータに近づけようとし、識別モデル はそれを⾒破ろうとすることによって、改善し ていく。 また、識別モデルのトレーニングをせずに⽣成 モデルのトレーニングをしすぎると⽣成したサ ンプルが多様性を持たなくなってしまうので、 識別モデルと⽣成モデルの同期が必要である。 Demystifying Neural Style Transfer
  69. Analyzing and Improving the Image Quality of StyleGAN Tero Karras,

    Samuli Laine, Miika Aittala, Janne Hellsten ⾼解像度の画像を⽣成できるStyleGANの品質を向上さ せることに焦点を当てている論⽂。StyleGANでは特徴 的なアーティファクトが⽣成されてしまうため、その 原因を突き⽌めて、改善した。これにより、画像品質 が⾼まっただけでなくトレーニングのパフォーマンス も向上した。 SEBASTIAN STARKE, YIWEI ZHAO, TAKU KOMURA, KAZI ZAMAN Local Motion Phases for Learning Multi-Contact Character Movements ⾮構造化モーションキャプチャデータベースから、⾝体と オブジェクト、別のキャラクターと環境の間の複数の接触 を含む⾼速で動的なキャラクターの相互作⽤を学習する新 しいフレームワークを提案した。これを実現させるために 局所運動フェーズという機能を提案した。⾼速で複雑な相 互作⽤では体全体を調節するのは困難だが、この機能を使 えば、個々の体の部分の動きをローカルで学習できるので より⾃然な動きを再現できる。 ⼈間のラベル付けなしで今までのシステムより⾼品質で、 接触の多い複雑な動きを学習できる。
  70. KEVIN BERGAMIN, SIMON CLAVET, DANIEL HOLDEN, JAMES RICHARD FORBES, DReCon:

    Data-Driven Responsive Control of Physics-Based Characters モーションキャプチャのデータを使って学習し、 物理的なキャラクターを制御する⽅法を提案。実 ⾏時のコストが物理シミュレーションによる制御 よりはるかに低いため、ビデオゲームなどのリア ルタイムアプリケーションに適している。 しかし、この研究ではキャラクターの歩⾏に焦点 を当てているため、他の動きに適⽤できるかは試 されていない。また、制御⽤件が厳しすぎると キャラクターが倒れてしまう可能性がある。
  71. DeepFaceDrawing: Deep Generation of Face Images from Sketches Shu-Yu Chen,

    Wanchao Su, Lin Gao, Shihong Xia, Hongbo Fu 先行研究 比べ こ す い 技術や手法 キモ こ うや 有効 検証し 議論 あ 次 読 べ 研究 手書 ケッ 特徴を ア タイム え ア 顔画 像を生成す 深層学習 ームワーク 特徴量埋 込 :CE(Component Embedding) 特徴マッ ン :FM(Feature Mapping) 画像合成:IS(Image Synthesis) いう3つ モ ー 構成さ い テー ケッ 特徴量 埋 込 顔 パー 毎 左目・右目・鼻・ 口・そ 他 ンコーダを学習し CEモ ー を学習させ テー FM ISモ ー パ ーターを使用し ネットワーク全体をト ーニン し い 入力情報 し 手描 ケッ を固定的 く 柔軟 扱 い あ い 不完全 ケッ 高品質 画像 を生成 定性的・定量的 2つ 評価を行い さ ユー ー評価 し ケッ 素人 ロま 使 い調査し 色やテク を制御し い い ケッ 小さ 変更を 加え け 突然色 変 しまう可能性 あ
  72. ユー ー 単純 オ クト 画像を作成す 役立つ インタ クテ GANベー

    ケッ 画像 変換方法を提案 目 的 オ クト ケッ を描 始 ネットワーク 対話的 しい完成を推奨し 対応す 合成画像をユー ー 表示 す そ ケッ を描い 本人 ネットワーク 推奨事項 基 い 編集し 描画中 完成し 形状 最終的 ンダ ン 画像 両方を視覚化す こ GAN内 線を補完す テー 補完さ ケッ 画像を生成す テー 2つ わ い nteractive Sketch & Fill: Multiclass Sketch-to- Image Translation Arnab Ghosh, Richard Zhang, Puneet K. Dokania, Oliver Wang, Alexei A. Efros, Philip H.S. Torr, Eli Shechtman SketchyGAN: Towards Diverse and Realistic Sketch to Image Synthesis Wengling Chen, James Hays 人 描い ケッ ア 画像を生成す GANを用い 手法を 提案 人 描い ケッ 単純 つ不完全 こ 多く 対象物 境界 あいまい ケッ 画像を合成す こ 難しく 従来 手法 ッ 抽出し ータや参考 既存 写真 必要 こ 対し本稿 SketchyGANを学習させ あ 写真 共有を目的 し SNS Flickr を利用 Flickr 約 230万枚 写真を取得し ッ 抽出 ータを作成す し 学習さ せ い
  73. 1枚 画像 多数 画像 変換す GANを用い ームワーク Multimodal Unsupervised Image-to-image

    Translation (MUNIT) を提案 画像をdomain-invariant content domain- specific style 分解す こ 任意 タイ を ン し 合成し コンテン を保ち インを変換す こ 可能 あ Multimodal Unsupervised Image-to-Image Translation Xun Huang, Ming-Yu Liu, Serge Belongie, Jan Kautz Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis Rui Huang, Shu Zhang, Tianyu Li, Ran He 単一 顔画像 写実的 正面図 合成(横顔 写真 正面 顔 写真を生成)をGAN 可能 す 手法を発表 本稿 提案さ い GAN 顔全体 整合性を保ち 個々 パー (目や鼻や口)を正確 生成す GAN 生成ネットワーク (Generator) を 全体 部分 2つ わけ い (Two-Pathway GAN (TP-GAN))
  74. SC-FEGAN: Face Editing Generative Adversarial Network with User's Sketch and

    Color Youngjoo Jo, Jongyoul Park ユー ー 自由 マ クや ケッ 色を与え こ 画像を編集す こ 最新 シ テムを開発 既存手法 異 自由 色や形 を入力 し 使うこ タイ 損失を追加し ネットワークを ト ーニン す こ 画像 大部分 削除さ い 現実的 結 果を生成す こ を可能 あ
  75. Portrait Shadow Manipulation 先行研究 比較 重要 技術 実験方法 疑問点・感想 次

    読 べ 論文 画像 一部を塗 つぶすこ 色 対応 し 物体を画像 違和感 く表示す 物体(窓 木 )を配置し い位置を色分 けし 塗 つぶす け 描画可能 Jonathan T. Barron and Jitendra Malik. 2015. Shape, Illumination, and Re฀ ecがance from Shading. TPAMI (2015). 入力画像 物体を生成後 画像 似 う 二つを合成す David Bau, Hendrik Strobelt, William Peebles, Jonas, Bolei Zhou, Jun-Yan Zhu, Antonio Torralba 処理 時間 (30秒ほ ) 不便 最新 手法 比較(最適化手法 ノイ 量 出力結果 見 目) https://arxiv.org/pdf/2005.07727.pdf
  76. Generative Adversarial Nets 先行研究 比較 重要 技術 画像を生成す NN 開発

    マ コ 連鎖 推測を必要 し い 生成モ G 識別モ D 2つを競争的 学習させ NEURAL PHOTO EDITING WITH INTROSPECTIVE ADVERSARIAL NETWORKS Andrew Brock, Theodore Lim, & J.M. Ritchie Nick Weston 先行研究 比較 重要 技術 Neural Photo Editor いう 画像生成用 インター ー 開発 入力画像 洗剤ベクト を操作す こ 画像を違和感 く 大 く変更 VAE GANを組 合わせ IAN 画像を 生成す VAE 予測精度を上 こ 生成画像を高度 す https://papers.nips.cc/paper/5423-generative- adversarial-nets.pdf •Ian Goodfellow •Jean Pouget-Abadie •Mehdi Mirza •Bing Xu •David Warde-Farley •Sherjil Ozair •Aaron Courville •Yoshua Bengio https://arxiv.org/pdf/1609.07093.pdf
  77. 先行研究 比較 重要 技術 顔 画像を編集す ソ ト ア 髪型や表情を変更

    編集用 インター ー あ ア タイム 顔画像 編集 他 画像 コ 合成 画像補完 画像 変換用 2つ NN 構成 Sketch domain いう線画像を特徴量 す AppProp: all-pairs appearance-space edit propagation 先行研究 比較 重要 技術 ータ ット 画像を編集す イ ンター ー 提案 ータ ット中 一つ 画像 大ま 編集を書 込 こ ータ ット す べ を編集す 線形シ テムを最適化す 手法を変え FaceShop: Deep Sketch-based Face Image Editin https://obj.umiacs.umd.edu/facesoftware_ paper/Faceshop_paper.pdf Tiziano Portenier, Qiyang Hu, Attila Szabó, Siavash Arjomand Bigdeli, Paolo Favaro, Matthias Zwicker Xiaobo An Fabio Pellacini Authors Info & Affiliations https://dl.acm.org/doi/abs/10.1145/1399504.1360639? download=true
  78. 先行研究 比較 重要 技術 Deep learning を用い モノクロ画像 着色 ユー

    ー 好 色 着色 (服 壁 ) 着色 実行時間 短い CNN モノクロ画像を入力 カ ー画像を出 力 し 学習 Real-Time User-Guided Image Colorization with Learned Deep Priors Richard Zhang, Jun-Yan Zhu, Phillip Isola, Xinyang Geng, Angela S. Lin, Tianhe Yu, Alexei A. Efros https://arxiv.org/pdf/1705.02999.pdf
  79. DreamWalker: Substituting Real-World Walking Experiences with a Virtual Reality 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? 現実空間とバーチャル空間上の街をリン クさせ, ユーザはバーチャル空間上の街 の案内に沿って歩⾏することにより⽬的 地へと到達出来るナビゲーションシステ ムDreamWalkerの開発. ナビゲーションシステムにおける完全な VR装置は少ない. ヘッドマウントディスプレイのトラッキ ングとGPS現在地, RGB-Dセンサなどか ら信号を得て, リアルタイム統合してVR 上の街空間に適合する. 障害物検出には, 建築物などの静的な障害物であるStatic obstacles, 駐⾞された⾞などの地図から は検出できないが⽐較的静的な障害物で あるAd-hoc obstacles, 歩⾏者や⾛⾏⾞ などの動的障害物であるDynamic obstaclesに分類されて, それぞれリアル タイムに反映される. RGBDとの⽐較. ⼈や⾞以外の障害物やイベントの再現 や, 他の知覚センサ(触覚センサなど)の 追加などなど. Jackie (Junrui) Yang, Christian Holz, Eyal Ofek, Andrew D. Wilson
  80. どんなもの? SLAMをヘッドマウントディス プレイに取り付け, 周囲の環境 マップを作成するとともに, ユーザの頭の動きを検知するこ とにより, リダイレクトウォー キング(VRを⽤いて現実空間上 よりも規模を⼤きく錯覚させる

    ⼿法)を実現する. どんなもの? 完全畳み込みネットワークによ りセマンティックセグメンテー ション を実現する. グローバル 領域とローカル領域を区別して, ⾼密度なセグメンテーションを ⾏える. どんなもの? ユーザの瞬きを利⽤したリダイ レクトウォーキングの提案. ⼈ 間は瞬き中において, 4~9cm, 2~5°の回転は検出できないこ とを利⽤して, その範囲内でリ ダイレクションを⾏う. Preliminary Environment Mapping for Redirected Walking CHRISTIAN HIRT, MARKUS ZANK, ANDREAS KUNZ Fully Convolutional Networks for Semantic Segmentation JONATHAN LONG,EVANSHELHAMER, TREVOR DARRELL In the Blink of an Eye ‒Leveraging Blink-Induced Suppression for Imperceptible Position and Orientation Redirection in Virtual Reality EIKE LANGBEHN, FRANK STEINICKE, MARKUS LAPPE, GREGORY F. WELCH, GERD BRUDER
  81. どんなもの? VRユーザ間における物理的衝突 を防ぐための視覚的フィード バックメカニズムの⽐較. 既存 のメカニズムとして, Avatar, BoundingBox, CameraOverlay などが挙げられ,

    これらの融合 についても研究された. どんなもの? リダイレクトウォーキングにお けるユーザにとって不⾃然でな い視覚操作の閾値の研究. 様々 な条件下について, 制限付きイ マージョンの閾値について計測 した. VR Collide! Comparing Collision- Avoidance Methods Between Co- located Virtual Reality Users ANTHONY SCAVARELLI, ROBERT J. TEATHER You Spin my Head Right Round: Threshold of Limited Immersion for Rotation Gains in Redirected Walking PATRIC SCHMITZ, ANDRÉCALERO VALDEZ, JULIAN ROMEO HILDEBRANDT , MARTINA ZIEFLE