SlideShare une entreprise Scribd logo
1  sur  86
Télécharger pour lire hors ligne
コンピューテーショナル
     フォトグラフィ
Computational Photography
Computational Photography
  名古屋工業大学 福嶋慶繁
   Twitter: fukushima1981
目次
•   コンピューテーショナルフォトグラフィについて
      ピ               グ
•   バイラテラルフィルタ
•   光線空間(Light Field)
•   コンピューテーショナルカメラ
コンピューテーショナルフォトグラフィとは?




画像処理をともなう
写真技術
素朴な疑問


フィルタリングやノイズ除去をしただけで
コンピューテーショナルフォトグラフィと
コンピ  テ ショナルフォトグラフィと
いっていいのか?
パノラマ画像は
コンピューテーショナル
 ンピ  テ シ ナル
  フォトグラフィか?
     グ
素朴な疑問

カメラに加工が施してないとコンピュー
テーショナルフォトグラフィと名乗ってい
けないのか?
3CCDもコンピューテーショナルフォト
グラフィ?
ここでの定義

普通のカメラの限界を超える写真を
コンピュータやハードウェアをうまく使うことで
取れるようにする方法
 カメラへの影響
  ぼけ,ノイズ,ダイナミックレンジ,画角,解像度,視点,
 画質へ影響する装置
  シャッター速度,レンズ口径,開口,CCDサイズ,露光時間,カメラ位置・方向
  シャッタ 速度 レンズ口径 開口 CCDサイズ 露光時間 カメラ位置・方向
画像処理→CP
                 画像かどうか怪しい
                        絞り,開口,露光をコード化する
                        レンズアレイを使う
                 異なるセンサを使う
              赤外光を使う
           フラッシュを複数使う,強度を変える
           フラッシ を複数使う,強度を変える
       複数のカメラ(カメラアレイ)
    撮影状況(ゲイン,露光等)を変えて複数撮影
    撮影状況(ゲイン 露光等)を変えて複数撮影
  動画でインプットする(ハンディカメラなど)
普通のカメラ+画像処理

人が見てきれいな画像
Bilateral Filterによる
    Bilateral Filterによる
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィ
Szeliski本だと...
S li ki本だと
• パノラマ
• ハイダイナミックレンジ画像
• 超解像
• カラリゼーション
• マッティング
• インペイント
• ノンフォトリアリスティックレンダリング
                 ダ  グ
 – 輪郭強調
 – stylize
• ジョイントフィルタリング
 – フラッシュフォトグラフィ
それぞれ別の項目のようだが...
  ぞ         が

                  う軸 切る     る
Bilateral Filterという軸で切ることができる


※注意書き
 Bilateral Filterでも解けるというだけでそれぞれ適切
 な方法があります.
目次
• 基本編
 – Bilateral Filterってなに?
• 応用編
 –   Joint Bilateral Filter
 –   奥行き推定
 –   背景差分
 –   超解像
• 高速化編
 – バイラテラルフィルタの高速化
 – 高速な非線形フィルタ:Guided Filter
基本編

バイラテラルフィルタの原理
バイラテラルフィルタ(Bilateral Filter)
バイラテラルフィルタ(Bilateral Filter)
ガウシアン:位置が遠いほど低い重みが与えられるフィルタ




バイラテラル: 位置が遠いほど&色が違うほど
              低い重みが与えられるフィルタ
     ※エッジを保持したままノイズ除去が可能
バイラテラルフィルタのカーネル
デモ
•   カーネルの表示
      ネ   表
•   フィルタした画像の表示
•   信号のノイズが減ることを示す
•   ノイズを消すために,σcを広く取るとエッジが
    ぼける
応用編
Joint Bilateral Filter
     Joint Bilateral Filter
• フラッシュ画像+フラッシュしてない画像
        像        な  像
  ノイズの少ないが色がおかしい画像+ノイズ
   イ  少な  色 お    画像   イ
  の多いが画像で色が正しい
Flash / No‐Flash Photo Improvement
         Flash / No Flash Photo Improvement
Merge best features:  warm, cozy candle light (no‐flash)
   g                       ,   y           g (         )
                low‐noise, detailed flash image
‘Cross’ or ‘Joint’ Bilateral Idea:
      Cross or Joint Bilateral Idea:
Noisy but Strong…
Noisy but Strong…     Range filter preserves signal
                         g         p           g




                     Use stronger signal’s range filter 
   Noisy and Weak…   weights…
エッジキープ力
エ ジキ プ力
   と
ノイズ除去力
  はトレードオフ!
  はトレ ドオフ!
ジョイントバイラテラルフィルタ
カーネルの計算を
ノイズの少ない画像
     で行い,対象をフィルタリングする



                  (|Jp - J q |) I q


           別名:クロスバイラテラルフィルタ
Overview
   Basic approach of both flash/noflash papers
   Basic approach of both flash/noflash papers

Remove noise + details 
Remove noise + details
from image A,

Keep as image A Lighting 
                                        No‐flash
‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐

Obtain noise free details 
Obtain noise‐free details
from image B,

Discard Image B Lighting                 Result
Petschnigg: Detail Transfer Results
Petschnigg: Detail Transfer Results
• Lamp made of hay:




 No Flash             Flash   Detail Transfer
Petschnigg:
• Flash
Petschnigg:
• No Flash,
Petschnigg:
• Result
ジョイントバイラテラルフィルタの
    ア リケ シ
    アプリケーション
Matting
•
     ジョイントバイラテラルフィルタ
     フラッシュ画像を用いた低照度画像のノイズ除去など画像ペアの画質改善
原画像上での色の遠い点の重みづけが減るため
   に用いられるフィルタ.参照画像をフィルタリングの重みの決定に用いる
原画像のエッジ部分がマスク画像上で保持される
 • 原画像を参照画像とし その画素値に基づいて重みを決定したフィルタリン
   原画像を参照画像とし,その画素値に基づいて重みを決定したフィルタリン
   グを背景差分により生成したマスク画像に対して行う


                             距離による重み      画素値による重み

      R(u) : フィルタリングの重みを決定する参照画像(原画像)の画素値
      X(u) : フ ルタリングを行う画像(マスク画像)の画素値
       ( ) フィルタリングを行う画像(マスク画像)の画素値
      Gd・Gr : 分散σd・σrのガウス関数, Zu : 正規化項, W(u) : uの近傍ウィンドウ




     マスク画像                   原画像                     結果画像
フィルタ処理の比較




(a)メディアンフィルタのみ   (b)ジョイントバイラテラルフィルタ後

    物体の境界部分を高精度に検出
Depth Map Refinement
Depth Map Refinement
符号化された奥行き画像の
 モスキートノイズ除去
Saliency Map Refinement
      Saliency Map Refinement
• http://pub.ne.jp/akisato/?entry_id=3970170
Haze removing(霞除去)
           Haze removing(霞除去)
   “Single image haze removal using dark channel prior” CVPR2009




   入力画像
                    伝達マップ(最適化前)               霞除去(最適化前)




参考:ヒストグラム平坦化
                    伝達マップ(最適化後)               霞除去(最適化後)
…

~マップと付くものなら
     付
何でもOK
Joint Bilateral Up‐Sampling
Joint Bilateral Up Sampling
奥行き画像超解像:従来研究(1)




                                         原画像の位置・色
                                          の重み付き平均
   J. Kopf et al.:  Joint bilateral upsampling ACM Trans. on Graphics, 
   J Kopf et al : “Joint bilateral upsampling”, ACM Trans on Graphics
   vol. 26, no. 3, p. 96, Jul. 2007.
超解像結果(入力)

            入力画像




入力奥行き画像
 8倍超解像
超解像結果(最近傍)

             入力画像
超解像結果(提案)

            入力画像
カラリゼーションの高速化
•   疎なものはJBU出来ない!
    疎なも      来な
•   小さな解像度でまず普通のカラリゼ ション
    小さな解像度でまず普通のカラリゼーション
•   そしてJBU
•   その他もろもろ~Mapの計算が高速化可能
超解像 vs アップサンプル
超解像とは
  像
– アップサンプル
 • 適切なエッジ
– ノイズリダクシ ン
  ノイズリダクション
 • ガウス,インパルスのノイズの除去
–ぼ
 ぼけ除去
 • レンズ,CCDサンプリング,モーション,フォグなど

        を同時に達成するもの
Iterative back Super Resolution
Iterative back Super Resolution
高速化編
Bilateral Filterの高速化
       Bilateral Filterの高速化
• CHEN, J., PARIS, S., AND  DURAND, F.  2007.  
                g            g p         g
  Real‐time edge‐aware image processing with 
  the bilateral grid. ACM TOG 26, 3,103.
• CRIMINISI A SHARP T ROTHER C AND
  CRIMINISI, A., SHARP, T., ROTHER, C., AND 
  P’EREZ, P.  2010. Geodesic image and video 
  editing. ACM TOG 29, 5, 134.
Separable bilateral filtering for fast 
            video preprocessing
 • バ
   バイラテラルフィルタのカーネルを縦横1画素
            タ   ネ を縦横  素
   の幅に分離して二度適用する近似



                            *




T. Pham,and L. J. Van Vliet, Separable bilateral filtering for fast video preprocessing. Proc. 
IEEE ICME, 0, 4 pp. 2005. 
Real‐time O(1) bilateral filtering
      Real time O(1) bilateral filtering
      階 を 階                  減色
 • 256階調をn階調(2,4,8,16・・・)に減色し,
   間は線形補間することで高速化
 • カラーに弱い(256x256x256=65536色...)
 • 色空間を
   色空間をR+G+B=768色の空間に潰して計算
                色の空間に潰して計算
   (発展:ドメイントランスフォーム?)




※ F. Porikli, Constant time O(1) bilateral filtering. In CVPR,1–8, 2008 の発展版
Q. Yang, K. H. Tan, and  N. Ahuja, Real‐time O(1) bilateral filtering, In CVPR, 557–564. 2009
Guided Filter
• 早い,Haloが起きにくい
• カーネルの計算方法に
  カ ネルの計算方法に
  高速化が存在




 i,jが違うサイドにいればw= 1‐σ/σ(最大の場合)=0
 同じサイドにいればw=1+x
 式の意味:i,jの画素含む領域の平均の全てを使う.
 式の意味 i jの画素含む領域の平均の全てを使う
 直接のカーネル計算は,バイラテラルよりも重い
Bilateral Grid
Bilateral Grid
Domain Transform
Domain Transform
その他の非線形フィルタ
Non Local Means Filter
       Non Local Means Filter




入力画像とサポートウィンドウ


1.カーネル中心(赤色)の周りにテンプレート画像(5x5)を作成し,
2.サポートウィンドウ(13x13)の範囲をテンプレートマッチング.
  サポ トウ  ドウ(     ) 範囲を  プ  ト  チ グ
3.類似度をサポートウィンドウの重みとして重み付きフィルタリングを行う.
BM3D
Image denoising with block‐matching and 3D filtering
Anisotropic diffusion
          Anisotropic diffusion
• Anisotropic diffusion
  – PERONA, P., AND MALIK, J. 1990. Scale‐space and 
            , ,            ,                 p
    edge detection using anisotropic diffusion. IEEE 
    TPAMI 12, 7, 629–639.
             , ,
  – TVノルム最小化を行うようなフィルタ
  – イタレ ションが必要
    イタレーションが必要
光線空間
Light Field
  g
光線空間
• 自由視点 像
  自由視点画像
• 可変焦点画像

• レンズも,ピンホールもコーデット
• Coded aperture/exposure/shatter/senserに
  続く
基本原理
      本   次 超       積分
• EPI(本当は4次元超平面)の断面,積分で
 – 自由視点,自由焦点
        を実現
自由視点
自由焦点




       
Example using 45 cameras
       [Vaish CVPR 2004]
Light field photography using a 
  handheld plenoptic camera
         Ren Ng, Marc Levoy, Mathieu Brédif,
         Ren Ng Marc Levoy Mathieu Brédif
     Gene Duval, Mark Horowitz and Pat Hanrahan

               (Proc. SIGGRAPH 2005
               (Proc. SIGGRAPH 2005
                  and TR 2005‐02)
Conventional versus light field camera
                      g
Conventional versus light field camera
                      g




               uv‐plane    st‐plane
Conventional versus light field camera
                      g




  st‐plane     uv‐plane
Prototype camera




    Contax medium format camera        Kodak 16‐megapixel sensor




    Adaptive Optics microlens array
    Adaptive Optics microlens array   125μ square‐sided microlenses
                                           square‐sided microlenses

4000 × 4000 pixels  ÷ 292 × 292 lenses  =  14 × 14 pixels per lens
Mechanical design
     Mechanical design




• microlenses float 500μ above sensor
  microlenses float 500μ above sensor
• focused using 3 precision screws
Digitally stopping‐down
  Digitally stopping down


                                        Σ



                                        Σ

• stopping down  =  summing only the 
  central portion of each microlens
Digital refocusing
       Digital refocusing


                                      Σ



                                      Σ


• refocusing  =  summing windows extracted 
  from several microlenses
Example of digital refocusing
Example of digital refocusing
Extending the depth of field 




conventional photograph,
conventional photograph    conventional photograph,
                           conventional photograph    light field, main lens at f / 4,
                                                      light field main lens at f / 4
    main lens at  f / 4       main lens at  f / 22       after all‐focus algorithm
                                                             [Agarwala 2004]
Digitally moving the observer
Digitally moving the observer


                                      Σ




                                       Σ

 • moving the observer  =  moving the 
   window we extract from the microlenses
Example of moving the observer
Example of moving the observer
Moving backward and forward
Moving backward and forward
Camera Array
Stanford multi camera array
Stanford multi‐camera array

             • 640 × 480 pixels ×
               30 fps × 128 cameras
               30 fps × 128 cameras

             • synchronized timing
             • continuous streaming
               continuous streaming
             • flexible arrangement
Ways to use large camera arrays
Ways to use large camera arrays
• widely spaced                light field capture
• tightly packed               high‐performance imaging
• intermediate spacing synthetic aperture photography
  intermediate spacing synthetic aperture photography
カメラアレイ,レンズアレイ
     カメラアレイ レンズアレイ
• Computational Photography
  – Image based rendering
        g               g
  – Light field辺

  – 光線空間
  – カメラアレイ,レンズアレイ
Light Field Camera
Light Field Camera
Ramesh Raskar
http://web.media.mit.edu/~raskar/

Contenu connexe

Tendances

SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII
 
マルチコアを用いた画像処理
マルチコアを用いた画像処理マルチコアを用いた画像処理
マルチコアを用いた画像処理Norishige Fukushima
 
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話Yusuke Uchida
 
SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜
SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜
SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜SSII
 
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII
 
SfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法についてSfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法についてRyutaro Yamauchi
 
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情Yuta Kikuchi
 
[DL輪読会]Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
[DL輪読会]Swin Transformer: Hierarchical Vision Transformer using Shifted Windows[DL輪読会]Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
[DL輪読会]Swin Transformer: Hierarchical Vision Transformer using Shifted WindowsDeep Learning JP
 
モデル高速化百選
モデル高速化百選モデル高速化百選
モデル高速化百選Yusuke Uchida
 
三次元表現まとめ(深層学習を中心に)
三次元表現まとめ(深層学習を中心に)三次元表現まとめ(深層学習を中心に)
三次元表現まとめ(深層学習を中心に)Tomohiro Motoda
 
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View SynthesisDeep Learning JP
 
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion  for Generation and Editing[DL輪読会]GLIDE: Guided Language to Image Diffusion  for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and EditingDeep Learning JP
 
【DL輪読会】Novel View Synthesis with Diffusion Models
【DL輪読会】Novel View Synthesis with Diffusion Models【DL輪読会】Novel View Synthesis with Diffusion Models
【DL輪読会】Novel View Synthesis with Diffusion ModelsDeep Learning JP
 
[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況Deep Learning JP
 
3次元計測とフィルタリング
3次元計測とフィルタリング3次元計測とフィルタリング
3次元計測とフィルタリングNorishige Fukushima
 
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...SSII
 
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチMIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチHironobu Fujiyoshi
 
SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~
SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~
SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~SSII
 
[DL輪読会]SlowFast Networks for Video Recognition
[DL輪読会]SlowFast Networks for Video Recognition[DL輪読会]SlowFast Networks for Video Recognition
[DL輪読会]SlowFast Networks for Video RecognitionDeep Learning JP
 
Layer Normalization@NIPS+読み会・関西
Layer Normalization@NIPS+読み会・関西Layer Normalization@NIPS+読み会・関西
Layer Normalization@NIPS+読み会・関西Keigo Nishida
 

Tendances (20)

SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
 
マルチコアを用いた画像処理
マルチコアを用いた画像処理マルチコアを用いた画像処理
マルチコアを用いた画像処理
 
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
 
SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜
SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜
SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜
 
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
 
SfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法についてSfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法について
 
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
 
[DL輪読会]Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
[DL輪読会]Swin Transformer: Hierarchical Vision Transformer using Shifted Windows[DL輪読会]Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
[DL輪読会]Swin Transformer: Hierarchical Vision Transformer using Shifted Windows
 
モデル高速化百選
モデル高速化百選モデル高速化百選
モデル高速化百選
 
三次元表現まとめ(深層学習を中心に)
三次元表現まとめ(深層学習を中心に)三次元表現まとめ(深層学習を中心に)
三次元表現まとめ(深層学習を中心に)
 
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
 
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion  for Generation and Editing[DL輪読会]GLIDE: Guided Language to Image Diffusion  for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
 
【DL輪読会】Novel View Synthesis with Diffusion Models
【DL輪読会】Novel View Synthesis with Diffusion Models【DL輪読会】Novel View Synthesis with Diffusion Models
【DL輪読会】Novel View Synthesis with Diffusion Models
 
[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況[DL輪読会]画像を使ったSim2Realの現況
[DL輪読会]画像を使ったSim2Realの現況
 
3次元計測とフィルタリング
3次元計測とフィルタリング3次元計測とフィルタリング
3次元計測とフィルタリング
 
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
 
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチMIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
 
SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~
SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~
SSII2019OS: 深層学習にかかる時間を短くしてみませんか? ~分散学習の勧め~
 
[DL輪読会]SlowFast Networks for Video Recognition
[DL輪読会]SlowFast Networks for Video Recognition[DL輪読会]SlowFast Networks for Video Recognition
[DL輪読会]SlowFast Networks for Video Recognition
 
Layer Normalization@NIPS+読み会・関西
Layer Normalization@NIPS+読み会・関西Layer Normalization@NIPS+読み会・関西
Layer Normalization@NIPS+読み会・関西
 

Similaire à コンピューテーショナルフォトグラフィ

Structured Light 技術俯瞰
Structured Light 技術俯瞰Structured Light 技術俯瞰
Structured Light 技術俯瞰Teppei Kurita
 
SSII2018TS: コンピュテーショナルイルミネーション
SSII2018TS: コンピュテーショナルイルミネーションSSII2018TS: コンピュテーショナルイルミネーション
SSII2018TS: コンピュテーショナルイルミネーションSSII
 
バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)
バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)
バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)nmaro
 
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料SSII2014 チュートリアル資料
SSII2014 チュートリアル資料Masayuki Tanaka
 
(文献紹介)HDR+, Night Sight
(文献紹介)HDR+, Night Sight(文献紹介)HDR+, Night Sight
(文献紹介)HDR+, Night SightMorpho, Inc.
 
SSII2020 [O3-01] Extreme 3D センシング
SSII2020 [O3-01]  Extreme 3D センシングSSII2020 [O3-01]  Extreme 3D センシング
SSII2020 [O3-01] Extreme 3D センシングSSII
 
Unity名古屋セミナー [Shadowgun]
Unity名古屋セミナー [Shadowgun]Unity名古屋セミナー [Shadowgun]
Unity名古屋セミナー [Shadowgun]MakotoItoh
 
High quality imagedeblurringwitghpanchromaticpixels
High quality imagedeblurringwitghpanchromaticpixelsHigh quality imagedeblurringwitghpanchromaticpixels
High quality imagedeblurringwitghpanchromaticpixelsishii yasunori
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII
 
20160612 関東cv勉強会 sumisumithパート
20160612 関東cv勉強会 sumisumithパート20160612 関東cv勉強会 sumisumithパート
20160612 関東cv勉強会 sumisumithパートsumisumith
 
Light weightbinocular sigasia2012_face
Light weightbinocular sigasia2012_faceLight weightbinocular sigasia2012_face
Light weightbinocular sigasia2012_faceishii yasunori
 
物理ベースの絵作りのための基礎
物理ベースの絵作りのための基礎物理ベースの絵作りのための基礎
物理ベースの絵作りのための基礎fumoto kazuhiro
 
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座Silicon Studio Corporation
 
論文解説:スマホカメラを用いたBRDFパラメータ取得技術(非DNN)「Two-Shot SVBRDF Capture for Stationary Mat...
論文解説:スマホカメラを用いたBRDFパラメータ取得技術(非DNN)「Two-Shot SVBRDF Capture for Stationary Mat...論文解説:スマホカメラを用いたBRDFパラメータ取得技術(非DNN)「Two-Shot SVBRDF Capture for Stationary Mat...
論文解説:スマホカメラを用いたBRDFパラメータ取得技術(非DNN)「Two-Shot SVBRDF Capture for Stationary Mat...Teppei Kurita
 
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識Silicon Studio Corporation
 
光源方向推定のための構造色パターンマッチング
光源方向推定のための構造色パターンマッチング光源方向推定のための構造色パターンマッチング
光源方向推定のための構造色パターンマッチングuranishi
 
Bachelor Presentation
Bachelor PresentationBachelor Presentation
Bachelor PresentationDzul Fahmi
 
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説Direct Sparse Odometryの解説
Direct Sparse Odometryの解説Masaya Kaneko
 
Image net classification with Deep Convolutional Neural Networks
Image net classification with Deep Convolutional Neural NetworksImage net classification with Deep Convolutional Neural Networks
Image net classification with Deep Convolutional Neural NetworksShingo Horiuchi
 
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量takaya imai
 

Similaire à コンピューテーショナルフォトグラフィ (20)

Structured Light 技術俯瞰
Structured Light 技術俯瞰Structured Light 技術俯瞰
Structured Light 技術俯瞰
 
SSII2018TS: コンピュテーショナルイルミネーション
SSII2018TS: コンピュテーショナルイルミネーションSSII2018TS: コンピュテーショナルイルミネーション
SSII2018TS: コンピュテーショナルイルミネーション
 
バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)
バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)
バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)
 
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料SSII2014 チュートリアル資料
SSII2014 チュートリアル資料
 
(文献紹介)HDR+, Night Sight
(文献紹介)HDR+, Night Sight(文献紹介)HDR+, Night Sight
(文献紹介)HDR+, Night Sight
 
SSII2020 [O3-01] Extreme 3D センシング
SSII2020 [O3-01]  Extreme 3D センシングSSII2020 [O3-01]  Extreme 3D センシング
SSII2020 [O3-01] Extreme 3D センシング
 
Unity名古屋セミナー [Shadowgun]
Unity名古屋セミナー [Shadowgun]Unity名古屋セミナー [Shadowgun]
Unity名古屋セミナー [Shadowgun]
 
High quality imagedeblurringwitghpanchromaticpixels
High quality imagedeblurringwitghpanchromaticpixelsHigh quality imagedeblurringwitghpanchromaticpixels
High quality imagedeblurringwitghpanchromaticpixels
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
 
20160612 関東cv勉強会 sumisumithパート
20160612 関東cv勉強会 sumisumithパート20160612 関東cv勉強会 sumisumithパート
20160612 関東cv勉強会 sumisumithパート
 
Light weightbinocular sigasia2012_face
Light weightbinocular sigasia2012_faceLight weightbinocular sigasia2012_face
Light weightbinocular sigasia2012_face
 
物理ベースの絵作りのための基礎
物理ベースの絵作りのための基礎物理ベースの絵作りのための基礎
物理ベースの絵作りのための基礎
 
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座
 
論文解説:スマホカメラを用いたBRDFパラメータ取得技術(非DNN)「Two-Shot SVBRDF Capture for Stationary Mat...
論文解説:スマホカメラを用いたBRDFパラメータ取得技術(非DNN)「Two-Shot SVBRDF Capture for Stationary Mat...論文解説:スマホカメラを用いたBRDFパラメータ取得技術(非DNN)「Two-Shot SVBRDF Capture for Stationary Mat...
論文解説:スマホカメラを用いたBRDFパラメータ取得技術(非DNN)「Two-Shot SVBRDF Capture for Stationary Mat...
 
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識
 
光源方向推定のための構造色パターンマッチング
光源方向推定のための構造色パターンマッチング光源方向推定のための構造色パターンマッチング
光源方向推定のための構造色パターンマッチング
 
Bachelor Presentation
Bachelor PresentationBachelor Presentation
Bachelor Presentation
 
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
 
Image net classification with Deep Convolutional Neural Networks
Image net classification with Deep Convolutional Neural NetworksImage net classification with Deep Convolutional Neural Networks
Image net classification with Deep Convolutional Neural Networks
 
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
 

Plus de Norishige Fukushima

計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~Norishige Fukushima
 
多チャンネルバイラテラルフィルタの高速化
多チャンネルバイラテラルフィルタの高速化多チャンネルバイラテラルフィルタの高速化
多チャンネルバイラテラルフィルタの高速化Norishige Fukushima
 
計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミングNorishige Fukushima
 
デプスセンサとその応用
デプスセンサとその応用デプスセンサとその応用
デプスセンサとその応用Norishige Fukushima
 
複数台のKinectV2の使い方
複数台のKinectV2の使い方複数台のKinectV2の使い方
複数台のKinectV2の使い方Norishige Fukushima
 
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...Norishige Fukushima
 
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...Norishige Fukushima
 
Popcntによるハミング距離計算
Popcntによるハミング距離計算Popcntによるハミング距離計算
Popcntによるハミング距離計算Norishige Fukushima
 
OpenCVの拡張ユーティリティ関数群
OpenCVの拡張ユーティリティ関数群OpenCVの拡張ユーティリティ関数群
OpenCVの拡張ユーティリティ関数群Norishige Fukushima
 
組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門Norishige Fukushima
 

Plus de Norishige Fukushima (13)

画像処理の高性能計算
画像処理の高性能計算画像処理の高性能計算
画像処理の高性能計算
 
計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~計算スケジューリングの効果~もし,Halideがなかったら?~
計算スケジューリングの効果~もし,Halideがなかったら?~
 
多チャンネルバイラテラルフィルタの高速化
多チャンネルバイラテラルフィルタの高速化多チャンネルバイラテラルフィルタの高速化
多チャンネルバイラテラルフィルタの高速化
 
計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング計算機アーキテクチャを考慮した高能率画像処理プログラミング
計算機アーキテクチャを考慮した高能率画像処理プログラミング
 
デプスセンサとその応用
デプスセンサとその応用デプスセンサとその応用
デプスセンサとその応用
 
複数台のKinectV2の使い方
複数台のKinectV2の使い方複数台のKinectV2の使い方
複数台のKinectV2の使い方
 
Libjpeg turboの使い方
Libjpeg turboの使い方Libjpeg turboの使い方
Libjpeg turboの使い方
 
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...
Comparison between Blur Transfer and Blur Re-Generation in Depth Image Based ...
 
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...
Non-essentiality of Correlation between Image and Depth Map in Free Viewpoin...
 
Popcntによるハミング距離計算
Popcntによるハミング距離計算Popcntによるハミング距離計算
Popcntによるハミング距離計算
 
OpenCVの拡張ユーティリティ関数群
OpenCVの拡張ユーティリティ関数群OpenCVの拡張ユーティリティ関数群
OpenCVの拡張ユーティリティ関数群
 
WebP入門
WebP入門WebP入門
WebP入門
 
組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門
 

コンピューテーショナルフォトグラフィ