画像内に映り込んだ所望のオブジェクトを排除し、違和感の無い画像を生成するシーン補完技術に関しては近年複数の研究成果が発表されている。しかし中でも2007年のSIGGRAPHにて米カーネギメロン大のJames HaysとAlexei A. Efrosが発表した手法*1はブレークスルーとなりうる画期的なものだ。 論より証拠、早速適用例を見てみよう。本エントリで利用する画像はPresentationからの引用である。元画像の中から邪魔なオブジェクト等の隠蔽すべき領域を指定すると、その領域が補完された画像が自動的に生成される。 アルゴリズム 効果は抜群だがアイデア自体は単純なものだ。Web上には莫大な数量の画像がアップされており、今や対象となる画像の類似画像を一瞬にして大量に検索することができる。そこで、検索された類似画像で隠蔽領域を完全に置き換えてしまうことで違和感の無い補完画像を生成するのだ。

[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...

米グーグルは2010年6月8日、「検索の科学」と題したイベントを開催した。エンジニアリングリサーチ担当の上級副社長アラン・ユースタス氏をはじめ、検索の技術研究や製品開発を担当するエンジニアが登壇。現在までの検索技術の進化と、今後のビジョンを語った。 「かつて、Web検索で得た情報の中身は、古いのが当たり前だった。今では1分前に更新された情報ですら、検索できるようになった」。ユースタス上級副社長は、Web検索技術の進化の一端を、こう説明する（写真1）。 リアルタイム検索に加えて、グーグルがここ数年かけて取り組んできたテーマが、個人ごとに最適な検索を可能にする「パーソナライズド検索」、音声による検索や動画検索などだ。「検索は本来、とてもパーソナルなものだ。同じ『膝』という単語でも、医者の場合と患者の女性の場合とでは、求める結果の種類もレベルも違う。医者などに向けて学術論文検索を提供しているのは

lena_std.tif のRGB別ヒストグラム（対数表示）。ダイナミックレンジが、赤は低い方に広がっておらず、緑は高い方に広がっていない。青に至ってはその両方となっている レナ（LennaまたはLena）は、1973年から2010年代後半までにわたり、画像処理の分野で広く使用されていた標準的なテスト画像である[1]。 この画像は、『プレイボーイ』1972年11月号のセンターフォールドから切り取られたもので、写真家ドワイト・フッカーが撮影したスウェーデン人モデル、レナ・ソーダバーグの写真である。本名の綴りは"Lena"であるが、この綴りでは「リーナ」と読まれる恐れがあるとして、「レナ」と発音してもらうためにモデル本人の希望で同誌では"Lenna"とnが一文字多く綴られていた[2]。 「レナ」以前にも、画像処理アルゴリズムの説明に『プレイボーイ』誌の画像が使われたことがある。1961年、ロー

au の2年契約が先月終了となったので，やっと iPhone に機種変更しました． というわけで，私が「コレイイ!」と思ったアプリを，これから数回に分けて紹介してみようと思います．まず第1回目は reQall から． reQall (iTunes link) 価格: 無料 Web サイト: http://www.reqall.com/ reQall はオンラインタスク管理サービスである．基本は無料で，有料のプロアカウントも用意されている． 他のタスク管理サービス同様，reQall も モバイル・PC 端末からだけではなく e-mail や IM など様々な媒体を通してのタスク管理，同じく様々な媒体を通してのリマインド，地図との連携，他者とのタスク共有機能などが実現されている． だが特筆すべきは，その音声によるインターフェースだろう． 早い話，iPhone に向かって喋れば良いだけなのだ．

K-means法によるクラスタリングでは、あらかじめクラスタ数Kを固定する必要があります。HatenarMapsでもK-means法を使っているのですが、クラスタ数は（特に根拠もなく）200個に決め打ちになっていました。 これに対して、X-means法というK-means法の拡張が提案されていることを知りました。X-means法を使うと、データに応じて最適なクラスタ数を推定できます。 K-means and X-means implementations http://www-2.cs.cmu.edu/~dpelleg/download/xmeans.pdf X-means法の考え方は、K=2で再帰的にK-means法を実行していくというもので、クラスタの分割前と分割後でBIC（ベイズ情報量規準）を比較し、値が改善しなくなるまで分割を続けます。 調べたところ、Javaのデータマイニングツー

ベイジアンフィルタとかベイズ理論とかを勉強するにあたって、最初はなんだかよくわからないと思うので、 そんな人にお勧めのサイトを書き残しておきます。 @IT スパム対策の基本技術解説（前編）綱引きに蛇口当てゲーム？！楽しく学ぶベイズフィルターの仕組み http://www.atmarkit.co.jp/fsecurity/special/107bayes/bayes01.html いくつかの絵でわかりやすく解説してあります。 自分がしるかぎり、最もわかりやすく親切に解説してる記事です。数学とかさっぱりわからない人はまずここから読み始めるといいでしょう。 茨城大学情報工学科の教授のページから http://jubilo.cis.ibaraki.ac.jp/~isemba/KAKURITU/221.pdf PDFですが、これもわかりやすくまとまってます。 初心者でも理解しやすいし例題がいくつかあ

こういった技術がオープンソース化されるのは素晴らしいことだ。コンピュータはキーボードとポインタデバイスを使って操作するのが当たり前になっている。だがこれは今後も続くだろうか。いや、マルチタッチシステムに代表されるようにもっと自由に操作できるようになるはずだ。 目線でポインタデバイスを制御する その一つの可能性として視線はじゅうぶん可能性がある。既に体が不自由な人のためにも利用されているが、Opengazerはそれをオープンソースとして提供している。 今回紹介するオープンソース・ソフトウェアはOpengazer、Linux向けの視線認識エンジンだ。 OpengazerはWebCamを使って顔を映し出す。そしてその視線の動きに応じてポインタデバイスを移動させることができる。画面の範囲は決して狭くなく、それでもきちんと認識して移動するのが凄い。 デモ動画はUbuntu上で動作しているようで、現在

集合知と言えるのですが、こういう話ではありません。 集合知プログラミング どちらかというと、こちらの話です。 「みんなの意見」は案外正しい こういうタイトルですが、この本では「みんなの意見が正しくならない」例を数多く挙げ、 「みんなの意見が正しくなる」ことの困難さを述べています。 みんなの意見が正しくなるには、必須条件があります。 ・個体の分散が大きい ・個体はランダムな解を選ぶよりは、良い成績である。 その、良い方の例です。 選択肢として、 O Xがあり、この二つのうち一つが正解であるとします。 各個体が正解だと思う出力をし、全体として、多数決の出力もします。

1月は新しいことを始めたくなる あけましておめでとうござい、ました。 気付けば年明けから既に20日が経過し、キリッとした気持ちも薄れ、もうすっかり日常の空気。 正月あたりのキリッとした雰囲気、いいよね。何かを始めたくなる。 そしてわたしが始めたのは、心にも体にもいい自炊。 去年の後半は…

SVM実践ガイド (A Practical Guide to Support Vector Classification)

Use Your Illusion: Secure Authentication Usable Anywhere - Usable Security 上の画像，何の画像に見える？ 答えはこれ。 何も知らずにこの画像を見せられても，何の画像かはまったく分からないと思う。でも，ひとたび答えを知ってしまえば，なんとなく何の画像かを思い浮かべることができるようになる。 こんな感じで，「知っている人には確実に答えが分かる」「知らない人には絶対に答えが分からない」という条件を作り出すことができれば，それを認証の仕組みに応用することができるかもしれない ― このアイデアを実際に利用した認証メカニズムの一例が "Use Your Illusion" だ。 上のリンク先のサイトでは，携帯端末上での実装を想定したデモを体験することができる（ただし，自前の画像をアップロードする機能は動かなくなっている模様）。

最近、機械学習とか、そのアルゴリズムのひとつであるサポートベクターマシンとかやってるわけですが、そもそも機械学習ってなんなんでしょか？ 機械学習ってのは、なんとなく与えられた点の分類から、新たに与えられた点の分類を推測するのですが、ようするに、点が与えられたときにそこから分類の領域を推測しておいて、新たな点がきたときにはどの領域に入るかを判別するのです。 ニューラルネットワークは、名前にニューロンとかついてて、とてもステキな響きがするのですが、あれは関数のあてはめを行っているのです。そうやって関数をあてはめることで、領域の境界面を求めます。 NN法は、学習とかせず、一番近いデータが同じ分類になるはずという戦略でやってます。 サポートベクターマシンも考え方としてはNN法と同じで、新しい点がやってくると、学習したそれぞれの点までの近さを計算して、一番ちかい分類を求めます。そのため、学習データが

言葉の壁を取り除こうというGoogleの取り組みに新しい動きがあった。同社は文書翻訳サービスのベータ版の開設に取りかかったようだ。 「Google Translation Center」の情報ページによると、このサービスは文書の翻訳を依頼する人と、代価を受け取って翻訳を提供する人とを結びつけるものだという。Google関連の話題を扱うブログGoogle Blogoscopedがこのサイトをめざとく発見している。 情報ページには「Google Translation Centerは、コンテンツの翻訳を簡単かつ迅速に進める手段を提供する。文書をアップロードして翻訳言語を選択し、当センターに登録されているプロとボランティアの中から翻訳者を選択する。翻訳者が承諾したら、翻訳が完成し次第、翻訳された文書を受け取ることができる」とあった。 Google Translation Centerは仲介の役割

これはちょっと怖いけど興味深いサービス。 FaceStatで顔写真をアップするとその人がどういう人かを大勢の人が評価してくれてその結果を返してくれるというもの。 何歳ぐらいか？賢そうか？魅力的か？信用できそうか？結婚しているか？などなど・・・。 そうした質問に対するどういった回答が寄せられたかの統計を見る事ができます。Amazonのクラウドソーシングのサービスを使い、小額でもって大勢の人に評価を依頼しているようです。 自分の顔写真をアップして他の人がどう感じるかを調べてみてもいいですが・・・ちょっと怖いかもですね。 でもこうしたカタチのマイクロクラウドソーシングがこれから流行っていくのでしょうかね。いろいろアイディア出そうではあります。

We'll be back soon! Our site is currently undergoing maintenance. Please check back later.