Xin Li of WVU
Wavelets and frames A Wavelet Tour of Signal Processing Wavelab Steerable Pyramid matlabPyrtools.tar.gz Rice Wavelet Toolbox rwt.zip Contourlet and Ridgelet Toolbox download Beamlet and Curvelet Toolbox Beamlab Complex wavelet Toolbox download Wavelet/bandelet Toolbox at Matlab Central Image denoising Wavelet-based soft/hard thresholding and TI denoising Wavelab Spatially adapt
荒い写真の空白を埋める数学の魔法｢compressed sensing｣！（動画あり）
荒い写真の空白を埋める数学の魔法｢compressed sensing｣！（動画あり）2010.03.08 23:005,419 satomi ｢もっとズームしてくれ...そうそこだ...そいつの顔をもっとエンハンスしてくれないか...｣と頼むと技師がカチャカチャやって容疑者Aの顔がクッキリ―というドラマでお馴染みのシーンが現実に！ これを可能にしたのはスタンフォード大学エマニュエル・キャンデス（Emmanuel Candes）教授とUCLAテレンス・タオ（Terence Tao）教授が開発した｢compressed sensing（CS）｣という技法です。 映画のフェイクUIとは別物。このオバマの写真みたいに、低画素のざらざらなイメージ（左）も高画素のきれいなイメージ（右）に加工できるんですよ。 主に研究目的で開発されたもので、例えばMRIスキャンもデータを丸々じゃなく、少量だけスキャン
人工知能に関する断想録
Deep Learningの訓練終了など任意のメッセージを特定のSlackチャネルに投稿できるボットを作りました。 Yatta Kun プログラミングは不要で curl というコマンドラインツールから簡単に投稿できるので非常に便利です。可愛いくて便利なので作り方を紹介します。 職場などでみんなが使っているワークスペースで実験すると迷惑がかかる可能性があるので、最初は個人の実験用ワークスペースを作ってしまうのが良いと思います。無料でできます。 1. Incoming Webhookをインストール SlackアプリのページからIncoming Webhookをインストールします。Slackアプリページは、 https://[workspace name].slack.com/apps/ から行けます。 workspace name はワークスペース名です。 Incoming Webhook で
（9月〜最近分） - デー
5月くらいにやるよって書いて、ずっと進んでなかったけど、少し前の連休でgaーと進めた。今ちょっと仕事がアレなのでデモサイトを作る余裕がないけど、その2としては余裕できたら置きますってところまではできてます。 今回の内容は、前回ので候補を絞って、それに対してBag of visual-wordsの類似でソートして上位N件を表示するという方法。アニメ顔に特化させるための前処理など特徴ベクトルを作るまでの過程がたくさんあるけど、そのあたりの説明はデモサイトを作ってから。 とりあえずスクショ。検索対象は4chan /c/という画像掲示板に投稿された画像からImager::AnimeFaceを使って自動で切り取った顔画像4万件。old verが前回の部品の色によるもので、new verが今回の。 正直まだまだだけど、 上位の本人率が上がった 本人ではないなりに「髪形はちょっと似てる」「前髪のみ激似」
1/1000の圧縮率を目指す次世代動画像圧縮技術の行方 - A Successful Failure
現在最高の圧縮効率を誇るAVC/H.264は1GbpsのフルHDTVを10Mbps以下に圧縮できる。1/100以上の圧縮率ということになるが、次世代beyond HDTVの8k4kの空間解像度、60〜300fpsの時間解像度、マルチスペクトルの色表現、10〜16bit/pelの画素値深度、複数視点を考えると情報量は16〜200Gbpsとなるため、ビットレートを100Mbpsまで許容したとしても、圧縮率をさらに10倍は引き上げる必要がある(1/1000以上)。 上記の要求に対し、短期的には従来のAVC/H.264で用いられている動き補償予測とDCTを組み合わせたMC+DCTの枠組みを維持し、改良を積み重ねて圧縮率向上を図るアプローチが取られるが、長期的には従来の枠組みに囚われない新たなブレークスルーが必要となる。本エントリでは、情報処理6月号の解説*1より、画像圧縮技術のブレークスルーの萌芽
Web上の膨大な画像に基づく自動画像補完技術の威力 - A Successful Failure
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。
最上の日々2005年10月12日 - 哺乳動物のトランスクリプトームの総合的解析による「RNA新大陸」の発見
▼ 上の文章の中では、なるべく中立になるように注意して書いたから言い切って無いけど、個人的には脳は計算的にかなり浅いと思っている。 そして、計算的に有限の深さしか持っていないのは不都合だからそこに逐次実行機能を付け加えてチューリング完全になるように進化した。この逐次実行機能が我々の意識だと考えている。 脳と知能について論じる時、有限の計算的深さしか持たないけど巨大な計算力をもつ部分と、限られた並列性しか持たないが無限の深さを実行可能な逐次部分とを区別して論じなくてはならない。 それが出来ていない事が、脳と知能についての議論が大抵迷走し、実現が不可能なような気がする理由なのだ。 例えば誰かが、脳の働きの一部にズバッと単純化した力強いモデルを提示すると必ず、それで説明できない例を持ってきてモデルを無効化しようとする議論をする人がいるのだけど、そう言うのは僕から見ると大抵、前者の人は前者の機
Perlでアニメ顔を検出＆解析するImager::AnimeFace - デー
というのを作ったので自己紹介します。 2月頃から、コンピュータでアニメ顔を検出&解析する方法をいろいろ試しつつ作っていて、その成果のひとつとして、無理やり出力したライブラリです。 はじめに はじめにざっとライブラリの紹介を書いて、あとのほうでは詳細な処理の話を僕の考えを超交えつつグダグだと書きたいと思います。 Imager::AnimeFaceでできること Imager::AnimeFaceは、画像に含まれるアニメキャラクター的な人物の顔の位置を検出し、さらに目や口など顔を構成する部品位置や大きさの推定、肌や髪の色の抽出を簡単に行うことができるライブラリです。 これらが可能になると、 画像から自動でいい感じのサムネイルを作成できる 動画から自動でいい感じのサムネイルを作成できる 自動的にぐぬぬ画像が作れる 自動的に全員の顔を○○にできる 顔ベースのローカル画像検索 など、最新鋭のソリューシ
積みゲー完全制圧への道程:アニメ顔部品検出ライブラリを作ってみた
久しぶりのエントリですが、アニメ顔部品検出(第6回)です。 とうとう覚悟を決めました。公開しちゃいます。 経緯は過去のエントリを読んでもらうとして一応改めて説明すると、 画像から顔検出を行い、検出された顔の目、眉、口の位置を検出する、 というライブラリ(ただしアニメ顔専用)を作りました。 と書いてもいまいち分かりにくいので、実例をご覧ください。 とりあえず危険な気もしないでもありませんが、 もうすぐデビュー予定のCV03こと巡音ルカさんです。 この画像を食わせるとこういう結果が返ってきます。 顔の輪郭も検出できます。押さえる点の数が少ないのでそんな綺麗に検出できるわけではありませんが、 まあこんな感じです。 これも危険な気がしますが、せっかくなのでと某漫画誌の表紙を持ってきました。 こんな感じで初音ミクさんが検出されました。 眉の向きが盛大にずれていますが、これが
Using Photographs to Enhance Videos of a Static Scene
Abstract We present a framework for automatically enhancing videos of a static scene using a few photographs of the same scene. For example, our system can transfer photographic qualities such as high resolution, high dynamic range and better lighting from the photographs to the video. Additionally, the user can quickly modify the video by editing only a few still images of the scene. Finally, our
★Photo Effects and Photo Editing with One Click - BeFunky.com
Photo Editing and Graphic Design Made for EveryoneBeFunky's all-in-one online Creative Platform has everything you need to easily edit photos, create graphic designs, and make photo collages. Your All-In-One Creative SolutionWatch BeFunky in action to see how it makes your photo editing, collage making, and graphic design workflow seamless. Most Popular FeaturesBeFunky has an amazing collection of
Interactive Digital Photomontage
Abstract We describe an interactive, computer-assisted framework for combining parts of a set of photographs into a single composite picture, a process we call "digital photomontage." Our framework makes use of two techniques primarily: graph-cut optimization, to choose good seams within the constituent images so that they can be combined as seamlessly as possible; and gradient-domain fusion, a pr
画像処理におけるアルゴリズム
ここでは各画像処理におけるアルゴリズムを簡単に解説する。 2値化 明るさ調整 色成分の抽出 色反転 コントラスト調整 切り出し ガンマ補正 グレイスケール化 増色 画像枠付加 鏡像反転 ノイズ除去 輪郭抽出 輪郭追跡 拡大縮小 任意角回転 セピア調化 ぼかし 2値化 指定画像を白と黒の2階調の画像に変換する処理であり、本研究で作成した2値化処理は単一手動閾値方式、P-タイル法、また、誤差分散法およびその拡張型である Floyd&Steinberg 型誤差分散、Jarvice,Judice&Ninke 型誤差分散の5つである。 次にそれぞれのアルゴリズムについて解説する。 単一手動閾値方式 指定された色深度を基準として、その値より入力画素の色深度値が明るければ白、暗ければ黒色として2値化する。下の式を用いている。 このとき、出力画像は初期状態で黒色となるので、入力画像の画素値が閾値以
Index of /online/ipt/2002
Index of /online/ipt/2002 NameLast modifiedSizeDescription Parent Directory - Excise/25-May-2012 22:54 - Excise4/25-May-2012 22:54 - Excise5/25-May-2012 22:54 - Excise6/25-May-2012 22:54 - Excise7/25-May-2012 22:54 - Excise8/25-May-2012 22:54 - Excise9/25-May-2012 22:54 - Excise10/25-May-2012 22:54 - Excise11/25-May-2012 22:54 - Excise12/25-May-2012 22:54 - Excise13/25-May-2012 22:54 - Lecture/25
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
髪の毛切り抜き / Photoshopを使って背景をきれいに切り抜く方法まとめ | DesignWalker
Flash Doodle
CAVE
ICCV 2007 Course by Amit Agrawal and Ramesh Raskar: Gradient Domain Manipulation Techniques in Vision and Graphics
Technical documentation
paper.dvi