11. ナノフォトニック構造へのレーザー加工系のReview論文
1. 可逆性のある変化を弱レーザー加工で生成
2. 可逆性のない変化をレーザー加工で生成
可逆性のある加工を施すことができることに驚き
Hydrodynamic rotating motion of micromotors from
femtosecond laser microfabrication
Light-Induced Tuning and Reconfiguration of Nanophotonic Structures
(Laser Photonics Reviews 2017: Makarov, Sergey V and Zalogina, Anastasia S and Tajik, Mohammad and Zuev, Dmitry A and Rybin, Mikhail V and Kuchmizhak, Aleksandr A and Juodkazis, Saulius and Kivshar, Yuri)
201713119 山本健太 #2 (鬼コース)
48. 360 画像で視界の外にある関心度の高いコンテ
ンツをpicture in picture で表示
PIPの位置及び向きをROI(region of
interesting)の方向を示すために利用
深度計測
ROIをf¥画面い表示させるための最小化された
アプローチ
Picture in picture のあるなしでユーザースタディ
し、ユーザーの情報受容度を調査
ビデオの複雑性がとても上がるとあんまり効果な
くなる
Outside-In: Visualizing Out-of-Sight
Regions-of-Interest in a 360 Video Using
Spatial Picture-in-Picture Previews
どんなもの?
技術や手法のキモ
先行研究と比べて何がすごい?
議論はある?
次に読むべき論文は?
どうやって有効だと証明した?
FTMA18
UIST 2017
49. DeepHolo: Recognizing 3D Objects using a
Binary-weighted Computer-Generated
Hologram
Naoya Muramatsu University of Tsukuba Pixie Dust Technologies, Inc. sh.mn.nat@gmail.com Chun Wei Ooi University of Tsukuba made3102@gmail.com Yoichi Ochiai University of
Tsukuba Pixie Dust Technologies, Inc. wizard@slis.tsukuba.ac.jp Yuta Itoh University of Tsukuba s1711428@s.tsukuba.ac.jp
どんなもの?
技術や手法のキモ
先行研究と比べて何がすごい?
どうやって有効だと証明した?
議論はある?
次に読むべき論文は?
ポイントクラウドモデルから再構成されたコン
ピューター生成ホログラムを扱うDNN.3D点群
フォームを2Dデータとして処理できる
3Dピクセルクラウドモデルを2Dホログラムデー
タに変換するCGHプログラムの実装
特徴を取得するパラメーターを取り払うことがで
きるため関連研究の比べてネットワーク内におい
てはるかにスペース効率が良い
いくつかのDNNと認識結果を比較.
体積測定、多視点、ピクセルクラウドモデルにお
ける代表的なセットと比較.
CGHがフルHDででかい
ホログラムサイズを圧縮した
#FTMA18
50.
Convolutional neural network-based
regression for depth prediction in digital
holography #FTMA18
どんなもの?
技術や手法のキモ
先行研究と比べて何がすごい?
どうやって有効だと証明した?
議論はある?
次に読むべき論文は?
Tomoyoshi Shimobaba Graduate School of Engineering Chiba University1-33 Yayoi-cho, Inage-ku, Chiba, Japan shimobaba@faculty.chiba-u.jp Takashi Kakue Graduate School of Engineering
Chiba University1-33 Yayoi-cho, Inage-ku, Chiba, Japan t-kakue@chiba-u.jp Tomoyoshi Ito Graduate School of Engineering Chiba University
1-33 Yayoi-cho, Inage-ku, Chiba, Japan itot@faculty.chiba-u.jp
補足されたホログラムから3次元空間内の物体を
再構成するデジタルフォトグラフィに必要な深度
位置の予測をCNNベースの回帰を用いて行う
ホログラムデータセットではなくスペクトルデー
タセットを用いる
ミリ単位で測れる
分類問題ではなく重回帰問題を解くので予測深度
が離散値ではなく連続値となる
ホログラムデータセットを用いたところ予測深度
平均誤差は50mmだったがスペクトルデータセッ
トを用いると7.2mmだった
これからは異なる位置にある複数の対象物の深度
を計測する予定
52.
Joint Material and Illumination Estimation
from Photo Sets in the Wild
Tuanfeng Y. Wang Tobias Ritschel Niloy J. Mitra University College London, UK
#FTMA18
どんなもの?
技術や手法のキモ
先行研究と比べて何がすごい?
どうやって有効だと証明した?
議論はある?
次に読むべき論文は?
ネット上の画像を利用した2Dイメージ画像の照
明、形状、材料の操作 反射の最適化
応用して画面に新しく椅子を出せたりする
同じ照明の下にある様々な素材の画像と違う照明
の下にある同じ素材の画像を使用.合成画像で訓
練されたニューラルネットワークの最適化
ネットの画像を使用している
同様の手法とユーザースタディで満足度を比較し
た.
広い部屋の画像使うと誤差が出やすい
入力測定値のサンプル数が限られていると照明の
見積もり自体が不自然に見えることがある
オブジェクトが近すぎると変な影が出る
54. Materialization of Motions: Tangible
Representation of Dance Movements
for Learning and Archiving
Mose Sakashita University of Tsukuba mose.sakashita@gmail.com Kenta Suzuki University of Tsukuba Ikuzus.atnek.0626@gmail.com Keisuke Kawahara University of Tsukuba
kawahara@ai.iit.tsukuba.ac.jp Kazuki Takazawa University of Tsukuba 1220kazu1412@gmail.com Yoichi Ochiai University of Tsukuba wizard@slis.tsukuba.ac.jp
どんなもの?
技術や手法のキモ
先行研究と比べて何がすごい?
議論はある?
どうやって有効だと証明した?
次に読むべき論文は?
ダンスの動きをカメラを用いて3D的にキャプチャ
し一定のテンポごとに人間の動きを有形の人形を
用いて表現 ダンスの学習に役立てる
キネクトカメラを使って各関節のx、y、z三次元
空間的位置を取得
3Dプリンターの出力を人間の動きを客観的に捉
えることに利用し学習に役立てた
動きとテンポの関係性を利用
実際に出力してみたらできた
(ポスターしか見つからなかったからここよくわ
からぬ、、)
#FTMA18
SIGGRAPH 2017
ダンスの動きは複雑だから音楽のテンポと動きの
振り付けの関係性を利用した
3D skeleton-based human action classification: A
survey なんだけど有料で読めない、つらい
56.
Deep Learning for Action Recognition in
Augmented Reality Assistance Systems
Matthias Schröder Neuroinformatics Group, Bielefeld University maschroe@techfak.uni-bielefeld.de Helge Ritter Neuroinformatics Group, Bielefeld University helge@techfak.uni-bielefeld.de
どんなもの?
技術や手法のキモ
先行研究と比べて何がすごい?
どうやって有効だと証明した?
議論はある?
次に読むべき論文は?
ARヘッドマウントディスプレイの開発のために
ユーザーの行動から抽出したデータセットをディー
プに突っ込みフィードバックする
大規模なデータベースの構築に加えてモバイル化
したいのでCNNをサイズと効率において最適化
したい
実際に動作させたら文脈依存のフィードバックが
有効であることを多くの研究者が認めた
ローカルな対象認識からのトラッキングとグロー
バルな文脈依存でどうやったらうまく動作するか
のフィードバックを組み合わせる
ユーザーのアクションからフィードバックすると
いうアプローチ方法
Deep Appearance Maps (2018)とか
#FTMA18
57.
先行研究と比べて何がすごい?
Deep Appearance Maps
Maxim Maximov
1
, Tobias Ritschel
2
, Mario Fritz
11
Max Planck Institute for Informatics, Saarland Informatics Campus
2
University College London
どんなもの?
技術や手法のキモ
どうやって有効だと証明した?
議論はある?
次に読むべき論文は?
#FTMA18
反射率や照明パラメータを抽出するのではなく外
観を直接表現するディープニューラルネットワー
クで柔軟に外観を表現したい
ピクセルベースのレンダリング、再構成を使用し
ないことによって素材を柔軟に表現することがで
きる
外観そのものを表現しているので素材に関して寛
容
マテリアルを重視
関連研究で使用したネットワークと出力結果を比
較
ハイライトなどが大きく出ず自然だった
照明と反射の独立した制御を可能にして
より良い素材の編集に役立てたい
訓練されたアーティストのように新しい素材を使っ
たらどうなるかわかるようにしたい
Lake, B.M., Ullman, T.D., Tenenbaum, J.B., Gershman,
S.J.: Building machines
that learn and think like people. Behavioral and Brain Sci.
40 (2017)
58. WAVENET: A GENERATIVE MODEL FOR
RAW AUDIO
Aäron van den Oord Karen Simonyan Nal Kalchbrenner Sander Dieleman Oriol Vinyals Andrew Senior Heiga Zen†
Alex Graves Koray
Kavukcuoglu
#FTMA18
どんなもの?
技術や手法のキモ
先行研究と比べて何がすごい?
どうやって有効だと証明した?
議論はある?
次に読むべき論文は?
生の波形を生成するためのディープニューラルネッ
トワーク 異なる声の特徴量を同等の忠実度で補
足、切り替えることができる 識別モデルにも使
える
計算量を大幅に増加させることなく、解像度を維
持しつつ需要野を拡張させた因果的畳み込みモデ
ル
学習の早い因果的畳み込みの特徴を生かしつつ計
算量は効率化されたまま需要野を拡張した
テキストとの紐付けなしの音声生成で言語には聞
こえないものの音声が生成出来特徴を捉えてい
た.TTSでユーザースタディした.定量評価するこ
とが困難であること認めつつ主観評価した
声の特徴だけでなく呼吸のタイミングや口の動き
などの特徴量も学習することがわかった.
2017,2018のサウンドの論文
SIGGRAPHとか
59. DeepWear: a Case Study of Collaborative Design
between Human and Artificial Intelligence
#FTMA18
Natsumi Kato* University of Tsukuba Hiroyuki Osone* University of Tsukuba Daitetsu Sato University of Tsukuba Naoya Muramatsu University of Tsukuba Yoichi Ochiai
University of Tsukuba University of Tsukuba Hiroyuki Osone* University of Tsukuba Daitetsu Sato University of Tsukuba Naoya Muramatsu University of Tsukuba Yoichi Ochiai
University of Tsukuba
どんなもの?
DCGANを用いて学習させたブランドの洋服の画
像データから特徴を学習し服のイメージを生成、
パターナーがそれをもとに服をデザインする人間
と人工知能の融合的クリエイティブ
議論はある?
どうやって有効だと証明した?
Amazonのプロジェクトみたいに機械だけでやろ
うとするとだとまだ着られる服にならない
マテリアル(素材)も特徴の再現にとって大切
元の服より某ブランドっぽいという評価出た
過去にマーケットに出た某ブランドの服と他のブ
ランドの服とこの研究で生成した服を比べてどれ
が某ブランドだと思うかユーザースタディ
Alec Radford, Luke Metz, and Soumith Chintala. 2015.
Unsupervised representation learning with deep
convolutional generative adversarial networks.
技術や手法のキモ
GANの構造にDNNを適用したDCGANを用いて
生成した服のイメージ画像に基づきパターナー(人
間)が服のパターンを生成する
先行研究と比べて何がすごい?
人間を生成の過程に突っ込むことで実際に着られ
る服を作れる
次に読むべき論文は?
201810024 大森功太郎
NIPS2017
60. UNSUPERVISED REPRESENTATION LEARNING WITH
DEEP CONVOLUTIONAL
GENERATIVE ADVERSARIAL NETWORKS
どんなもの?
CNNを使った研究においてあまり注目されてい
ない教師なし学習を用いた研究
GANの構造にDNNを適用
抽出した特徴を使って生成を行うことができる.
技術や手法のキモ
最近発表されたCNN構造の変化系を用いること
によってDNNのGANへの導入を可能に
先行研究と比べて何がすごい?
DNNの構造を用いてGANの構造をアップデート
することに成功→教師なし学習に使える
議論はある?
まだモデルの不安定さが残り、モデルの訓練が長
くなるとフィルターのサブセットが単一の振動モー
ドに崩れる.
もっと安定したアーキテクチャが欲しい
どうやって有効だと証明した?
訓練されたDCGANと特徴抽出と画像生成を行う
類似のネットワークとのエラー値の起きさを比較
次に読むべき論文は?
LAPGAN(Denton et al., 2015) かな
#FTMA18
201810024 大森功太郎
Jun-Yan Zhu, Taesung Park, Phillip Isola, and Alexei A Efros.
Arxiv
61. Unpaired Image-to-Image Translation using Cycle-
Consistent Adversarial Networks
#FTMA18
先行研究と比べて何がすごい?
Pix2pixと異なり翻訳前の画像に対して対となる
画像を用意する必要なく変換が可能
技術や手法のキモ
GANを用いた画像と画像間のドメイン変換
1組の対訳が成立していなくても画像の変換が可
能
どんなもの?
Jun-Yan Zhu
∗
Taesung Park
∗
Phillip Isola Alexei A. Efros Berkeley AI Research (BAIR) laboratory, UC Berkeley
どうやって有効だと証明した?
議論はある?
次に読むべき論文は?
XtoYの変換とYtoXの変換を循環的に学習させる。
discriminatorでそれぞれの出力画像が生成先と
なる画像と区別がつかないかを判断し精度を上げ
て行く
pix2pixと同様のデータセットを用いて、先行の
GANの出力結果との定量比較を行った
クオリティが高かったのと対訳となる画像なしに
マッピングが出来た
Pix2pix P. Isola, J.-Y. Zhu, T. Zhou, and A.
A. 2017
色とテクスチャの変換が得意なのに対し幾何学的な変
換は苦手で馬に乗ってるプーチンまでシマウマ柄になっ
たり犬猫を変換しようとしてほぼ何も起こらなかった
りする。
201810024 大森功太郎
Arxiv
62. Towards the Automatic Anime Characters Creation
with Generative Adversarial Networks
Yanghua Jin School of Computer Science Fudan University jinyh13@fudan.edu.cn Jiakai Zhang School of Computer Science Carnegie Mellon University jiakaiz1@andrew.cmu.edu Minjun
Li School of Computer Science Fudan Univerisity Yingtao Tian Department of Computer Science Stony Brook University Huachun Zhu School of Mathematics Fudan Univerisity
minjunli13@fudan.edu.cn yittian@cs.stonybrook.edu zhuhc14@fudan.edu.cn Zhihao Fang Department of Architecture Tongji Univerisity fangzhihao126@gmail.com
#FTMA18
どんなもの?
技術や手法のキモ
先行研究と比べて何がすごい?
議論はある?
どうやって有効だと証明した?
次に読むべき論文は?
アニメキャラの顔画像データセットに特化した
GANの訓練方法の提唱
自分のカスタムキャラを作りたい
適切なGANモデルから抽出したクリーンなデー
タセット
先行研究は解像度が低かったりぼやける
それに比べてクリーンな画像生成
解像度はまだまだ改善の余地あり
トレーニングデータのラベル分布が等しい場合の
シナリオを考え不安定である場合のバイアスに繋
げる
実際に出力
201810024 大森功太郎
Arxiv
63. Deep Generative Image Models using a
Laplacian Pyramid of Adversarial
#FTMA18
Emily Denton
∗
Dept. of Computer Science Courant Institute New York University Soumith Chintala
∗
Arthur Szlam Rob Fergus Facebook AI Research
New York
どんなもの?
技術や手法のキモ
先行研究と比べて何がすごい?
議論はある?
どうやって有効だと証明した?
次に読むべき論文は?
自然画像の高品質サンプルを作成することのでき
る生成モデル
画像の構造をより尊重するためにGANの手法を
変更し質的に優れたサンプルを生成
条件付きGANモデルの形式を利用
生成されるサンプルの質が高い
実際に出力しユーザースタディ
マルチスケール構造は他の研究のアプローチに恩
恵を与える可能性がある
201810024 大森功太郎
Arxiv
65. Full 3D Reconstruction of Transparent Objects
Bojian Wu, Yang Zhou, Yiming Qian, Minglun Gong, Hui Huang
どんなもの?
次に読むべき論文は?
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?
どうやって有効だと検証した?
透明なオブジェクトの3次元の形状を自動的にモデル化する手法。
201813559 池畑 開斗 #2 (仏コース)
最初にオブジェクトの大まかな形状をモデル化したラフモデルを
作成し、オブジェクトと交差する光線の対応関係を用いて、ラフ
モデルを最適化していく。
モデル化したものと、実際のオブジェクトとの表面の距離の誤差
を計測した。
SIGGRAPH 2018
従来研究では透明なオブジェクトの2つの面の点群を生成すること
は出来たが、その形状は不完全だった。この手法では、完全な3D
モデルを復元することができる。
中空の透明なオブジェクトは処理できない。
オブジェクトに対して、光線の屈折の回数が増えると誤差が大き
くなる。
Qian et al. 3D Reconstruction of Transparent Objects with
Position-Normal Consistency. [2016]
66. MonoPerfCap: Human Performance Capture from Monocular Video
WEIPENG XU, AVISHEK CHATTERJEE, and MICHAEL ZOLLHÖFER, Max Planck Institute for Informatics
HELGE RHODIN, EPFL
DUSHYANT MEHTA, HANS-PETER SEIDEL, and CHRISTIAN THEOBALT, Max Planck Institute for Informatics
どんなもの? どうやって有効だと検証した?
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?
201813564 土屋優馬 #2 (仏コース)
SIGGRAPH 2018
単眼カメラで撮影された映像を基に,人間のポーズ
から着用する衣服までを3D再構築するマーカレスパ
フォーマンスキャプチャ技術の提案
単眼カメラによって撮影された映像のみを入力とし
た初めての3Dパフォーマンスキャプチャ技術である.
Sparse 2Dとbatchベースの姿勢推定手法を用いたCNN
による人間の3D姿勢検出を採用している.
合計120本のビデオクリップを用いてベンチマーク
を行った.質的な検証では,全てのベンチマーク
データセットに対し,完全な結果を得た.
最適化されていないCPUコードでは一つの入力フ
レームを処理するのに約1.2分を要したが,data
parallel optimizationを用いることで大幅に改良でき
る.将来的にはリアルタイム処理を目指す.
Robertini et al. 2016
67. M2M-based smart health service for human UI/UX using motion recognition
Roy C. Park, Hoill Jung, Dong-Kun Shin, Gui-Jung Kim, Kun-Ho Yoon
どんなもの? どうやって有効だと判断したか
人間の健康状態を逐次IoTデバイスで計測し、そ
れをWBAN(Wireless Body Area Network)と
して集積管理する通信技術を紹介したもの。
先行研究との比較
それぞれの分野・症状に対して注目して計測する
技術はあるが、それらを統合・解析し総合的な診
断を出すための集積技術が構築されていなかった。
技術や手法のキモ
通信技術の大元としてはWBANという既存の技
術を応用している。歩行トラッキングにはZigbee
通信、心電図・脳波の情報はBluetoothなどを用
い、WBAN内衝突回避処理の導入など、多くの
通信関連技術を併用し、人体自体をネットワーク
化させて通信の枠組みに取り込んでいる点。
医療機関で計測したデータとこの技術で計測した
データを比較し計測数値が正確であることを確認。
常に計測していた統計情報から被験者の健康状態
と医療の方針を導き出せたことから通信が成功し
ていることを検証した。
議論はあるか
医療機関との連携、健康状態悪化の余地、統計
情報からの症状診断。応用することができる範囲
が非常に広いことが魅力である。
人体を取り囲むようにネットワークを張り巡ら
せる技術はさらに応用が利くと思われる。それら
相性の良い技術の模索をするべき。
次に読むべき論文
人体をネットワークに取り込む技術の論文。
UISTやCHIの論文にヒントがありそう。
201611448 高倉 礼 #2 (人間コース)
Cluster Computing 2015
68. Ontology driven interactive healthcare with wearable sensors
Jonghun Kim & Jaekwon Kim & Daesung Lee & Kyung-Yong Chung
ヘルスケア用のウェアラブル端末システム。利用者の現在地から位置
情報を取得し、天気、温度、湿度、気圧等のコンテキストを取得する。
それらのコンテキストと症状の関連データを収集できる。
201611448 高倉 礼 #2-1 (人間コース)
MTA 2014
69. Phase Rotation Shift Keying for Low Power and
High Performance WBAN In-body systems
Jung-Yeol Oh* , Jeong-Ki Kim‡, Hyung-Soo Lee*, Sang-Sung Choi*, Dong S. Ha‡
WBAN通信の高速通信を実現するための新しい変調技術。
これまでの変調方式に比べ、低電力でより多くの情報を送ることができる
ため、断続的にデータを送り続けたいヘルスケア端末に適している。
201611448 高倉 礼 #2-2 (人間コース)
ETRI 2010
70. Ubiquitous based Control and Monitoring
in M2M (Mobile to Machine) Environment
DONG-HOON KIM, SEUNG-WOO LEE, JUN-YEOB SONG, SUK-KEUN CHA
ある機械の状態を、別の機械で監視するシステム。また、その監視
した情報を第三者端末と共有できる技術。M2Mの基礎技術。
201611448 高倉 礼 #2-3 (人間コース)
WSEAS 2005
71. Semantic Negotiation-based Service Framework
in an M2M Environment
Paul Barom Jeon, Jangwon Kim, Sukhoon Lee, Chonghyun Lee, Doo-Kwon Baik
端末同士に同じ通信規格がなくても、ネットワーク接続でそれぞれ
の端末の持っている情報を共有できる技術。M2Mの集積基礎技術。
201611448 高倉 礼 #2-4 (人間コース)
IEEE 2011
72. Design and Implementation of M2M-HLA Adaptor for Integration of
ETSI M2M Platform and IEEE HLA-based Simulation System
Yunjung Park, Dugki Min
M2MとIEEEで定義されているハイレベルアーキテクチャシミュレー
ション技術間の連携をできるようにした技術。従来のHTTPリクエス
トを用い、Webとの連携を容易にする。
201611448 高倉 礼 #2-5 (人間コース)
Fifth International Conference 2013
73. Color Balance and Fusion for Underwater Image Enhancement
Codruta O. Ancuti Cosmin Ancuti Christophe De Vleeschouwer
201613036 LI ZHENYU (人間コース)
どんなもの
媒体の散乱および吸収によって劣化させた
水中で捕獲された画像を向上させる技術
先行研究と比べてどこがすごい
特殊なハードウェアや水中の状況やシーン
の構造に関する知識を必要としない
技術や手法のキモはどこ
イメージアプローチだけを使う
どうやって有効だと検証した
既存の特殊な水中修復/強化技法と比較する
議論はある?
色が完全に復元されるとは言えない。
特にカメラから遠い領域では、
曇りはまた残っている。
次に読むべき論文
Green Internet of Things for Smart World
78. 先行研究と比べてどこがすごい? 議論はある?
次に読むべき論文は?技術や手法のキモはどこ?
どうやって有効だと検証した?どんなもの?
IEEE '17Simultaneous Feature and Dictionary Learning for
Image Set Based Face Recognition
Jiwen Lu, Gang Wang, Weihong Deng, and Jie Zhou
顔画像からの識別情報を1段階の学習手順で共同
利用することができるように、未知の顔画素から
弁別的に特徴と辞書を同時に学習するSFDL手法
それぞれの画像フレームを識別的な特徴部分空間
に投影し、より具体的な情報を抽出できるように
クラス固有の辞書でそれを符号化する
開発したSFDLとD-SFDLは最新の画像データセッ
トで、ほとんどの既存の顔識別方法よりも高精度
On the Honda 、MoBo、およびYTCデータセットを
用いてランダムなトレーニングとテストセットを選択
して10回実験を行い、平均識別率を計算して比較
[5] H. Cevikalp and B. Triggs. Face recognition based on image sets. In
CVPR, pages 2567–2573, 2010.
[9] Y.-C. Chen, V. M. Patel, P. J. Phillips, and R. Chellappa. Dictionarybased
face recognition from video. In ECCV, pages 766–779, 2012.
[10] Y.-C. Chen, V. M. Patel, P. J. Phillips, and R. Chellappa. Dictionarybased
face and person recognition from unconstrained video. IEEE
Access, 3(3):1783–1798, 2015.
[25] Y. Hu, A. S. Mian, and R. Owens. Face recognition using sparse
approximated nearest points between image sets. PAMI, 34(10):1992–
2004, 2012.
[41] Z. Lei, M. Pietikainen, and S. Z. Li. Learning discriminant face
descriptor. TPAMI, 36(2):289–302, 2014.
79. 先行研究と比べてどこがすごい? 議論はある?
次に読むべき論文は?技術や手法のキモはどこ?
どうやって有効だと検証した?どんなもの?
Yi-Chen Chen1, Vishal M. Patel1, P. Jonathon Phillips2, and Rama Chellappa1
Dictionary-based Face Recognition from Video ECCV '12
ビデオベースの顔認識のため
のビデオ辞書の提案
今後、映像からの認識のために顔
と身体の両方の情報を効果的に融
合するアルゴリズムの開発
同じ被写体の複数のビデオシーケンスは、解像度、
照明、姿勢、および表情の変化を見ることができ、
効果的な顔認識アルゴリズム設計に貢献
照度や姿勢の変化に強い辞書学習法に基づく
生成アプローチ
3つのビデオデータセットを用いたラン
ダムなテストを試行した
80. 先行研究と比べてどこがすごい? 議論はある?
次に読むべき論文は?技術や手法のキモはどこ?
どうやって有効だと検証した?どんなもの?
Dictionary-based Face and Person Recognition
from Unconstrained Video
Yi-Chen Chen, Student Member, IEEE, Vishal M. Patel, Member, IEEE, P. Jonathon Phillips, Fellow, IEEE, and Rama Chellappa, Fellow, IEEE
IEEE '15
顔と体のビデオ辞書による映像からの
画像認識技術
認識精度を向上させるために、人間の
上体特徴および動き識別信号を使用
辞書学習を省略したベースラインで、
本手法の性能向上を実験的に測定した
顔に対するアプローチを示していたところ
に身体からの認識にも同じ方法を適用した
81. 先行研究と比べてどこがすごい? 議論はある?
次に読むべき論文は?技術や手法のキモはどこ?
どうやって有効だと検証した?どんなもの?
Face Recognition Using Sparse Approximated
Nearest Points between Image Sets
IEEE 12
Yiqun Hu, Ajmal S. Mian, and Robyn Owens
効率的な画像認識のための集合の画像
サンプルとそれらのアフィンハルモデ
ルを含む画像集合の結合表現の提案
UCSD / Honda、CMU MoBo、
YouTube Celebritiesの顔データセット
に関する包括的な実験を行った
セット間距離を計算するために、スパー
ス近似点(SANP)を導入、最も近い点
およびその疎な近似を共同して最適化
設定距離を計算するためのスパース近似点SANP
(KSANP)のカーネル拡張と、RBFカーネルパ
ラメータを適応的に調整する自動アルゴリズム
82. 先行研究と比べてどこがすごい? 議論はある?
次に読むべき論文は?技術や手法のキモはどこ?
どうやって有効だと検証した?どんなもの?
Face Recognition Based on Image Sets
Hakan Cevikalp, Bill Triggs
CVPR 10
個々の画像からではなく一連の
画像から顔認識のための手法
凸面セット間の最小距離の意味におい
て与えられたテスト領域(個人)に最
も近いギャラリー領域(個体)の認識
2つのパブリック顔データセットに関する
実験において、提案された方法がいくつか
の既存の最先端技術より優れている
特徴空間における凸領域(に関してギャ
ラリーおよびテストセットからの各画像
セットに対して特徴付けを行う
83. 先行研究と比べてどこがすごい? 議論はある?
次に読むべき論文は?
技術や手法のキモはどこ?
どうやって有効だと検証した?どんなもの?
Learning Discriminant Face Descriptor
Zhen Lei, Member, IEEE, Matti Pietika¨ inen, Fellow, IEEE, and Stan Z. Li, Fellow, IEEE
IEEE '14
データ駆動型の判別式顔記述子
(DFD)を学習する手法
同種異質顔認識問題と異種顔認識
問題の両方でテストを行った
ビデオベースの顔分析
におけるDFDの調査
判別画像フィルタを学習し、最適な近傍サンプリン
グを判定し、支配的パターンが統計的に構築する。
また、効果的で堅牢な機能を抽出するための異質な
クロスモダリティ顔認識問題に提案された手法
照明と表現の変化に対して認識
の精度が従来より高い
84. CGANS WITH PROJECTION DISCRIMINATOR – ICLR 2018
Takeru Miyato1, Masanori Koyama2
miyato@preferred.jp koyama.masanori@gmail.com
1Preferred Networks, Inc. 2Ritsumeikan University
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?
議論はある?
次に読むべき論文は?
確率論的モデルの一般的なファミリーによって動機付けられた
cGANのDiscriminatorのモデルを提案した.条件付き画像生成およ
び超解像化で,Generatorの性能を大幅に改善することができた.
より多様性が広く,モード崩壊しにくい生成ができた.
これまでのConditional GANでは単にラベルベクトルyを
Generatorの入力層か中間層に連結するだけだったが,
GANの目的関数を分解し,条件ベクトルyと特徴ベクトル
を内積する式(3)に帰着させた.
どうやって有効だと検証した?
1000クラスのILSVRC2012データセットのラベル条件付き画像生
成の品質をACGANとFIDスコアで比較した.cGANのモデルを超解
像タスクに適用した場合,concatに基づくcGAN (a)よりもラベル
分類器の精度の点でより優れた高品質の超解像画像を生成すること
ができた.
P(y¦x)を単純な分布と仮定しているが,実際はそうで
はないかもしれないので理論的な考察が必要.
Takeru Miyato, Toshiki Kataoka, Masanori Koyama, and Yuichi Yoshida.
Spectral normalization for generative adversarial networks. In ICLR, 2018.
Ishaan Gulrajani, Faruk Ahmed, Martin Arjovsky, Vincent Dumoulin, and Aaron
Courville. Improved training of wasserstein GANs. arXiv preprint
arXiv:1704.00028, 2017.
Jae Hyun Lim and Jong Chul Ye. Geometric GAN. arXiv preprint
arXiv:1705.02894, 2017.
201611429 大曽根宏幸 #1 (人間コース) 4
85. SPECTRAL NORMALIZATION FOR GENERATIVE ADVERSARIAL NETWORKS- ICLR 2018
Takeru Miyato1
, Toshiki Kataoka1
, Masanori Koyama2
, Yuichi Yoshida 1
Preferred Networks, Inc. 2
Ritsumeikan University 3
National Institute of Informatics
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?
議論はある?
次に読むべき論文は?
GANの学習を安定させるため,重みをspectral
normalizationした.
ハイパーパラメータとして,リプシッツ定数を調整す
るだけで良くなった.また,調整しなくても良い性能
が出る.計算コストも小さい.
レイヤーごとの重みのスペクトルノルムを正規化することで,
レイヤーごとと,レイヤー全体のリプシッツ制約を1で抑えら
れる.
どうやって有効だと検証した?
CIFAR-10とSTL-10,ImageNetで画像生成.他の正規化手法
と比べて性能を比較.
Weight normalizationよりは20%ほど遅い.
Tim Salimans and Diederik P Kingma. Weight normalization: A simple reparameterization
to accelerate train-ing of deep neural networks. In NIPS, pp. 901–909, 2016.
201611429 大曽根宏幸 #1 (人間コース) 1
86. Improved training of wasserstein GANs – NIPS 2017
Ishaan Gulrajani et al.
Montreal Institute for Learning Algorithms
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?
議論はある?
次に読むべき論文は?
WGANにおけるWeight clipping(重みを一定の範囲内に収める)の
問題を指摘し,解決するgradient penalty(WGAN-GP)を提案
ResNetベースの深いネットワークでも,WGANなど
よりWGAN-GPの方がモード崩壊しにくい生成ができ
る.
Lossにgradient penaltyの項を加えた.(3)
どうやって有効だと検証した?
実験のために作ったtoy分布において,高いモーメントを捉えられた.
勾配爆発/消失が起きない.
Inception Scoreは7.86
DCGANと比べて収束は遅いが,収束後は安定してい
る.
Y. Wu, Y. Burda, R. Salakhutdinov, and R. Grosse. On the quantitative analysis
of decoder- based generative models. arXiv preprint arXiv:1611.04273, 2016.
201611429 大曽根宏幸 #1 (人間コース) 5
87. Learning Face Age Progression: A Pyramid Architecture of GANs - CVPR2018
Hongyu Yang1 Di Huang1 Yunhong Wang1 Anil K. Jain2 1Beihang
University, China2Michigan State University, USA
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?
議論はある?
次に読むべき論文は?
入力画像の人物の老化顔を出力.
年齢変換の正確さと,人物の同一性の保存で性能が良
くなった.
Discriminatorで,年齢の特徴抽出を段階的にした.人物の同一性を保つために
deep face descriptor [20] を用いて,個人の顔特徴を特徴空間に落とし込んだ
ときのlossも計算した.
どうやって有効だと検証した?
MORPHとCACDデータセットを用いて老化の進行度,精度,
人物の同一性を実験.商用アプリなどとも比較.
X.Shu,J.Tang,H.Lai,L.Liu,andS.Yan.Personalizedage
progression with aging dictionary. In ICCV, pages 3970‒
3978, 2015. 1, 8, 10, 11
201611429 大曽根宏幸 #1 (人間コース) 2
88. High-Resolution Image Synthesis and Semantic Manipulation with Conditional GAN - CVPR2018
Ting-Chun Wang, Ming-Yu Liu, Jun-Yan Zhu, Andrew Tao, Jan Kautz, Bryan Catanzaro
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?
議論はある?
次に読むべき論文は?
高解像度(2048 x 1024)でラベル変換と物体編集
をできるようにした.
pix2pixより高解像度化,テクスチャなどのインタラ
クティブな編集ができる.
段階的に生成(global generatorとenhancer. enhancerをかけていけば無限
に大きくできる),段階的に識別する.perceptual lossをdiscriminatorに
加えた.discriminatorに境界マップ,セグメンテーションマップ,および実
/合成画像のチャネルワイズ連結を入力した.
どうやって有効だと検証した?
定量的には,ラベル画像から変換された市街画像を既存手法でセグメ
ンテーションし,inputと比較する.
定性的には,Amazon Mechanical TurkでCityscapes dataset [7] か
ら生成した画像を評価してもらった.(どっちが生成画像かクイズ)
医療画像や生物学にも使えそう
J. Johnson, A. Alahi, and L. Fei-Fei. Perceptual losses for real-time style transfer
and super-resolution. In European Conference on Computer Vision (ECCV), 2016.
2, 3, 5, 8, 13
A. B. L. Larsen, S. K. Sønderby, H. Larochelle, and O. Winther. Autoencoding
beyond pixels using a learned similarity metric. In International Conference on
Machine Learning (ICML), 2016. 5201611429 大曽根宏幸 #1 (人間コース) 3
89. : 3 3 2 2 3 : : - 3 2 2 3
7 7 1 A , # , - 1 D AC 0C
, 0 2 E ) # - D ,3 64
o h H
i
T UMH
) () I
a l a - n
- a l
i WZH
a g H
LlH
a S n I
4 2 a
O M n ly
ZT n
sIv ra l e
I
y # I
a lY
a n
sIv r a l
90. : :
HLHLF # URK 8HHU K # 5H DH R# D L 1 JJKDO#
J OI 0DJJ HJS # 3HO GH 4 GHH
4 ')# ADO - ''# ( ')# .LCODT # LH DC 6HLFC K
hp s d l r
inoW h f f p
s Wa s e g
s p s b
k g i b i
nce
:
HLHLF # 5H DH R# GHL H GDLF# 3DJDLD DHLDO# DL LF#
2R LURL LF# 3HO GH 4 GHH
34 ( ' # .NOHJ '- () ( ' # D RJ# DNRAJH 6 OD
s eW h s
d v u s Wa Y
g h v s cb
ince s p gfW b
ty wY s i
l m g f b
( ','' , ( ‒ Y
91. 3 3 3 3
- A 3 , 3 3
:AJK N 9 ARMTRR NA# 5I UANNI : IAN # :A IANN 5 S R NA#
8AK 5 IM NR N # 9ARP 6 N K
367 (-# :A '. ()# )'(-# AN 8 R # 32# 2
HAP CHANGING INS AC k xt )( k
n k kyv s bf
k 37k s c
k k 37k j f k
æare
3 ::
3 :
4AUID 3 A# 2SHINA APAD P T T# 3H IRS PH 5T AN#
NIKA 8HAU I# S N ICH S# 2CHIM : NG R# K A I ISR
HSSP1 D D I G (' ('/0 DP )'(, ''))
i s c emkuy
s b 4 c hjop
k ol s ad
k h j bf
i s h g e
)'(-(( -' ) y
92. , - /: /: : , /:
/,- / , / , : : /- ,
/ : - , , / ,-
A 1 D CC E E 2 E / EH 0H
6 D D KI D , D HI 1
,/0 2 ) # - D ,4 76
/ x oPm W M rMv
Y nSV eicO agh O
O p SUN
jy 0 4 WM
S s m k N
) () u o O
93. Providing Haptics to Walls & Heavy Objects in Virtual Reality by Means of
Electrical Muscle Stimulation (CHI 2017)
Pedro Lopes, Sijing You,Lung-Pan Cheng, Sebastian Marwecki, and Patric Baudisch
EMSを使ってVR空間内の壁や重いものに対する触覚を
提示した。
比較的に軽いウェアラブルな装置での重いものと壁の
触覚提示に成功した。
EMSの使用。腕に電極を取り付け触覚を再現し、筋肉
の伸び縮みをコントロールすることで重さを再現する。
またコンテンツ内での音や視覚効果も触覚フィードバッ
クを助長する。
デモを作成し、何人かに体験してもらいフィードバッ
クを得た。
硬い壁の再現が難しく、長時間あるいは強く壁を押す
とEMSからの電気信号が意識できてしまいリアリティ
が薄れる。
Mahdi Azmandian, Mark Hancock, Hrvoje Benko, Eyal Ofek, and
Andrew D. Wilson. Haptic Retargeting: Dynamic Repurposing of
Passive Haptics for Enhanced Virtual Reality Experiences. In
Proceedings of the 2016 CHI Conference on Human Factors in
Computing Systems (CHI '16), 1968-1979.
201813567 松永尚之 #FTMA18 (人間)
どんなもの? どうやって有効だと検証した?
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?
94. Haptic Retargeting: Dynamic
Repurposing of Passive Haptics for
Enhanced Virtual Reality
Experience( CHI ‘16)
Mahdi Azmandian, Mark Hancock, Hrvoje Benko, Eyal
Ofek, Andrew D. Wilson
複数の仮想オブジェクトに触覚フィードバックを与え
る為にhaptic retargetingという手法を利用し、単一
のオブジェクトから複数の仮想物体に触覚フィードバッ
クを与える。
Lower Extremity Lateral Skin Stretch
Perception for Haptic Feedback (Haptics
IEEE Transaction 9,62-68,2016)
Daniel K. Y. Chen, Iain A. Anderson, Cameron G.
Walker, and Thor F. Besier
触覚フィードバックを生成する為に、下肢運動の際の
皮膚の伸縮に注目し、その変位や速度を定量化するこ
とに成功した。
201813567 松永尚之 #FTMA18 (人間)
95. TurkDeck: Physical Virtual Reality Based
on People (UIST ‘15)
Lung-Pan Cheng, Thijs Roumen, Hannes Rabtzsch, Sven
Kohler,Patric Schmidt, Robert Kovacs, Johannes
Jasper,Johans Kemper, and Patric Bausch
TurkDeckというユーザのVR内での感覚を補助するシ
ステム。有限の実空間において任意の広さのヴァーチャ
ル空間を生成することができる。ヴァーチャル空間上
の小物を現実空間で対応させる。またこのシステムの
実現にはいわゆる人間アクチュエータを使用している。
Demo: An Inexpensive and Lightweight
Mechanical Exoskelton for Motion
Capture and Force Feedback in VR(CHI
‘16)
Xiaochi Gu, Yifei Zhang, Seize Sun, Yuanzhe Bian,
Dao Zhou, Per Ola Kristensson
軽量でコンパクトな触覚フィードバックデバイスの作
成。手にヴァーチャル空間上における触覚提示のため
の機械的な外骨格をつける。この外骨格は軽く、安価
でセンサなどの外部デバイスを必要としないので実装
コストが低いことが利点にあげられる。
201813567 松永尚之 #FTMA18 (人間)
97. In the eye of a hurricane there is quiet, for just a moment, -
alt.chi 2018
Vanessa Thomas, Manu J. Brueggemann, Ding Wang, Andy Darby, Benjamin Wohl,
Lindsay MacDonald Vermeulen, Oliver Bates, David Feldman
どんなもの?
議論
先行研究と比べて
動画や手法のキモ
次に読むべき論文
有効の確認
してない
携帯電話やノパソの電源を切る
なし
CHIは毎日ワークショップやらプレゼン
やらパーティーやらあって大変だから
8Pの休憩の時間を用意することで、ま
るで台風のように忙しい CHIの中に安
寧をもたらす。
先行研究なし
1.Journal of personality and social psychology.
2.Reflexive Practices for the Future of Design
Education: An Exercise in Ethno-Empathy.
3. Do You Practice What You Preach? A
Qualitative Exploration of Therapists’ Personal
Practice of Compassion Focused Therapy
人間コース 読んだ人: 201711463 橋本祥
98. 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
次に読むべき論文
201611455 永瀬 拓也 #2(人間コース) #FTMA18
Muscle Simulation for Facial Animation in Kong: Skull Island SIGGRAPH ‘17
解剖学に基づいて顔面の骨格や筋肉をシ
ミュレーションモデルを作成する。
従来のアニメーションでは細かい顔の表情
を表すことができなく、やるとなってもコ
ストのかかる作業であったが、噛む笑うな
どの細かい動きができる。動物などキャプ
チャのとりにくい対象を正確に再現するこ
とができる。
筋肉や骨格の動きを解剖学的に考えてシ
ミュレーションする手法
Automatic Generation of Anatomical
Face Simulation Models
Art-directed Muscle Simulation for High-
end Facial Animation
従来のアニメーションと比べて、細かな動
きが再現できていた。実際にKongのアニ
メーションの不自然さが消えた。
Matthew Cong, Lana Lan, Ronald Fedkiw
100. 関連論文
George Wolberg. 1998. Image morphing: a survey. The Visual Computer.
三角測量に基づくモーフィング、メッシュワーピング、フィールドモーフィング等についての調査.
Leon A Gatys, Alexander S Ecker, and Matthias Bethge. 2015. A neural algorithm of artistic style.
コンテンツ画像とスタイル画像を用意し,コンテンツ画像に描かれているものをスタイル画像風に変換する.
学習済みの画像認識モデルを用い,スタイル行列を生成しもとの入力画像を最適化する.
Bumsub Ham, Minsu Cho, Cordelia Schmid, and Jean Ponce. 2016. Proposal flow. In Proc. CVPR.
セマンティックフローは同じオブジェクトか同じシーンでの物体の対応を見つけることが出来たが,異なるクラスの
オブジェクトやシーンが大きく異なる場合は上手くいかなかった.セマンティックフローを改良してベンチマークで
最高水準の結果を得た.
Xun Huang and Serge Belongie. 2017. Arbitrary style transfer in real-time with adaptive instance normalization.
Gates et alの画像スタイル変換は遅い.また,リアルタイムに出来るものがあるが,スタイル数が限られている.我々
は,リアルタイムに任意のスタイルを適用できる手法を提案する.コンテンツの平均と分散をスタイルの平均と分散
に合わせる新しいAdaptive Instance Normalizationを用いて実現した.
Alex Krizhevsky, Ilya Sutskever, and Geoffrey E Hinton. 2012. Imagenet classification with deep convolutional
neural networks. In Advances in neural information processing systems.
CNNを用いてImageNetの画像認識タスクで最高水準の結果を得た.ドロップアウトが過学習に対する非常に効果的
な手法であることがわかった.
201813558 池田伊織 #2 (人間コース)
101. h 6t
4T U
h w6SU h 6s
6 I Sh 6s 6 st
4 S TD I
st 2 6 6 ow6 h 6s U
T a U I
L
w w 7 6 h 6s
2 a w 6
6 I I h I DS 6
4
t 7 e aU 6 T I
a I t 6 I
4T LS
6 6 w 6t I T
102. h 6t
L w6
I U a wtoS
w6 6t o
a st
0 1 a
L
4
h 6s 4 6 I DS a
DS
a 6 U
a LS 6 t
4
llumination-Guided Example-Based Stylization of 3D Renderings
103. Organic Primitives:Synthesis and Design of pH-Reactive Materials
using Molecular I/O for Sensing, Actuation, and Interaction - CHI2017
Viirj Kan, Emma Vargo, Noa Machover, Hiroshi Ishii, Serena Pan, Weixuan Chen, Yasuaki Kakehi
(MIT Media Lab, Keio University)
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?
議論はある?
次に読むべき論文は?
pHを人間が読める出力に変換する,センサーアクチュエーターとして
働く,色,匂い,形状変化の素材。アントシアニン等をドーパントとし
て使用し,色のスペクトル,形状変形の度合い,匂いありなしの切り
替えを行う材料を合成した
色の変化,匂いの放出,形状変化をもたらすものは個別に検討されてきた。
化学者ではないHCI研究者でも全寝具と複数の出力を備えたコンパクトな
インターフェースの設計の可能性を用意にする分子規模での方法
液中で起こる反応を固体状態で起こすために,K-カラギーナン,アルギ
ン酸ナトリウムを用いた。 アントシアニン,バニリン,キトサンをドー
パントとして,色の変化,匂いの放出,形状変化をさせる。
どうやって有効だと検証した?
範囲,速度,可逆性をpH値の関数として特徴付けした。pH2-10の溶液でサンプルを試験,
試料にpH溶液を均一に噴霧,乾燥後,分光光度計を用いてCIE L*A*B* 色値を測定。色変
化速度は定性評価。特定のpH応答のみ逆転させることができる。匂いの変化は被験者実験。
pHに基いてニオイ物質のON/OFFを明確に区別できる。変形に関しては曲げ角度を定量評
価
(i)センサ,アクチュエータ,エネルギー限として自己完結型の機能を有する
(ii)様々な形態の因子および状態で現れる
(iii)生物学的システムと電子的システムの両方に統合できる
(iv)生体適合性,生分解性,食用
(v)コンパクトで,柔らかく,ミュートされ,控えめ
(vi)味や匂いを含む追加のモダリティ
Rasmussen, K. M. et al. CHI 12
Devendorf, L. et al. CHI2016
Kao, Hsin-Liu C. et al. TEI2015
201611428 蛭子綾花 #2 (人間コース) 8
Liu, X. et al. AH2016
Weigel, M. et al. CHI2015
104. Shape-Changing Interfaces: A Review of the Design Space and Open Research Questions - CHI2012
Majken K. Rasmussen, Esben W. Pedersen, Marianne G. Petersen, Kasper Hornbaek (Aarhus School of Architecture, Univ. of Copenhagen, Aarhus Univ.)
Abst
Introduction
Conclusion
形状変化インターフェースの体系的な分析。形状変更インターフェースに関する既存の作業の例を検討する。機能
的及び快楽的な設計目的に役立つ様々な方法で変形された8つのタイプの形状を特定する。(a)どのような設計目
的で形状変化インターフェースを使用するか(b)デザイン空間のどの部分がよく理解されていないか (c)形状変化を
伴うユーザー体験を研究する理由を議論する
形状変化インターフェースの特性と,デジタル情報とのインタラクションを強化することを目指している。既存の作業を視点に入れ,過小評価され
た方向を特定するために,形状変化インターフェースの設計空間を調査している論文はほとんどない。形状変化の心理的,芸術的表面についてはほ
とんど議論されていない。相互作用に焦点をあてることはほとんどなく,相互作用のモデルに形状変化を関連付けることはほとんどない
形状変化インターフェースに関する44の論文を検討した。論文は,操作される形状のどの側面(形状,体積など)および形状間の変換がどのように達成され
たかに関して分析された。形状変化の目的:多くのインターフェースは情報伝達を目的としている。形状変化が正確なコミュニケーションのための良いモダ
リティかどうかという疑問に答えている論文は稀。さまざまなタイプの変換がどのように使用され,どのような効果がもたらされるかを体系的に調べるこ
とができなかった。1/4の論文はユーザー体験について評価している。ユーザー体験の概念化と研究における最新の進歩を踏まえて作成されたものはほとん
どない。
201611428 蛭子綾花 #2 (人間コース) 9
105. “I don’t want to wear a screen”: Probing Perceptions of and Possibilities for Dynamic Displays on Clothing - CHI2016
Laura Devendorf, Joanne Lo, Noura Howell, Jung Lin Lee, Nan-Wei Gong, M. Emre Karagozler, Shiho Fukuhara, Ivan Poupyrev, Eric Paulos, Kimiko Ryokai
(UC Barkeley, Google ATAP)
Abst
Introduction
Conclusion
ダイナミックテキスタイルディスプレイが果たす役割を探っている。Ebbと呼ばれる新しいテキスタイルディスプ
レイ技術を開発し,衣類固有のデザインの可能性を探求したいくつかの織りとかぎ編みの布見本を作成した。従来
のスクリーンベースのディスプレイとは非常に異なる基準に従って,衣類ベースのディスプレイの魅力と有用性を
評価した。
技術が次第に身につけられるようになり,スマートなアクセサリの領域を離れ,服の布地に入り込むにつれ,HCIでは技術的
なディスプレイが個人的なスタイルの中で育む個人的な意味と社会的機能を考慮することが重要。これらの意味を調べるため
にEbbを開発し,デザイナーに練習や個人的スタイルへの組み込み方法を説明するよう依頼した。
衣服ベースのディスプレイが,複雑で意味のある個人的なスタイルのシーンの中で機能することができる方法を明らかにした。意味のあるコミュ
ニケータとしての材料を取り入れたマテリアル中心の視点を採用することで,衣服にテクノロジーの認識を形作った連想を引き出すことができ
た。キャンバスの隠喩が日常使用のための衣類ベースのディスプレイの設計スペースを拡大しうる。Ebbの遅さと低解像度が思いがけない社会
的遭遇,皮肉な解説,個人データの瞑想経験を促進するために従事できるシナリオを想定した。
201611428 蛭子綾花 #2 (人間コース) 10