Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

#FTMA15 第五回課題 全コースサーベイ

2,276 views

Published on

#FTMA15 先端技術とメディア表現#6
6月12日の講義の後半で用いた資料です.
授業でやったサーベイの一枚まとめをシェアします.
仏人間コースはサーベイを、鬼コースは最終アウトプットとして論文を提出するため、実装と評価を含めた実際の研究をしています.
まとめてくれた@yopitaさんに感謝.

Published in: Education
  • Be the first to comment

#FTMA15 第五回課題 全コースサーベイ

  1. 1. MicroRolls: Expanding Touch-Screen Input Vocabulary by Distinguishing Rolls vs. Slides of the Thumb Anne Roudaut1,2 Eric Lecolinet1 Yves Guiard1. April 7th, 2009 ~ Boston, MA, USA CHI 2009 ~ Techniques for Mobile Interaction 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? 論議はある? 次に進むべき論文は? 通常の端末にMicroRollsシステムを入れることで利用でき,高速に効率的 に操作ができるようになる. An emperical comparison of pie vs.Linear menus.とか ツールバーを使うよりも簡単に画面操作が可能となる. MicroRollsは,左右どちらかの親指のスクロールと親指の向きによって精 密な画面操作を行うシステム. 親指以外の指での検出や,対応していないその他のジェスチャーに関して も考えていきたい. 16の入力操作によって検証された. 論文URL: http://dl.acm.org.ezproxy.tulips.tsukuba.ac.jp/citation.cfm?id=1518843
  2. 2. 論文URL: http://dl.acm.org.ezproxy.tulips.tsukuba.ac.jp/citation.cfm?id=1385575 Flower Menus: A New Type of Marking Menu with Large Menu Breadth, Within groups and Efficient Expert Mode Memorization Bailly, G., Lecolinet, E., and Nigay, L. (2008). Flower menus: a new type of marking menu with large menu breadth, within groups and efficient expert mode memorization. Proc. AVI '08. ACM Press, 15-22. Strategies for Accelerating On- line Learning of Hotkeys Flower Menusは,入力される形から多くのメニュー項目の選択ができる システム. ホットキーの機械学習 Grossman, T., Dragicevic, P., Balakrishnan, R. (2007). Strategies for accelerating on-line learning of hotkeys. Proc. CHI’07, ACM Press, 1591-1600. 論文URL: http://dl.acm.org.ezproxy.tulips.tsukuba.ac.jp/citation.cfm?id=1240865
  3. 3. Fast scale prototyping for folded millirobots どんなもの? 様々な面で低コストな小型ロボット作りました 先行研究との違い デザインと組み立てに複雑な計算機や精 巧な道具は必要ありません 技術や手法のキモ いわゆる折り紙。材料が安く、制作時間も 飛躍的に短縮される。 検証方法 実際組み立てて動かしてみた。ついで に坂道も登らせてみた。 結論 1時間ほどで組み上がり、1cm/sec程 度の速さで歩くロボットができた 次 ロボット以外?
  4. 4. Dynamically tuned design of the MFI thorax 虫の胸部機構をヒントに羽を動かしてみます A walking silicon micro-robot 物を運べるシリコンロボットの作成。関節にポリイミドを使 用して荷物を運べる強度を確保した。
  5. 5. Solar Powered 10 mg Silicon Robot ソーラー発電で自立走行する軽量ロボットを作る。残念なが らまだまっすぐ歩くことは出来ない。 Microrobot Design Using Fiber Reinforced Composites 小型ロボット用の特殊加工した繊維を用いた構築素材の開発 今回読んだ論文の基幹っぽい
  6. 6. Microrobots and micromechanical systems 小型機械の世界へようこそ
  7. 7. 先行研究と比べてどこがすご い? どんなもの? 次に読むべき論文は? どうやって有用だと検証した? 技術や手法のキモはどこ? 議論はある? 他の顔特徴点認識のの手法より も手間を減らすことで高速化 と、処理を軽くすることに成功 した。 これまでの手法との比較により その精度向上の確認、人の顔が 一部隠れてしまうとこれまでは 認識できなかった部分も認識可 能にした点。 X. Cao, Y. Wei, F. Wen, and J. Sun. Face alignment by explicit shape regression. In CVPR, 2012 さらなる発展としてカメラキャリ ブレーションと動きからの構成を NLS(非線形最小二乗法)を解く ための他の手法にも組み込んで行 く予定。 ヤコビ行列とヘッセ行列を用い ない手法と機械学習を用いて精 度と速度の両方を向上させてい る。 顔の特徴点検出及びその追跡を 行うための新しい手法SDMの提 案。
  8. 8. AAM(Active Appearance Models)を非線形 updateモデルを用いた変形で性能向上 機械学習を用いた方法で顔の輪郭認識の精度向 上。
  9. 9. 顔認識、顔トラッキングに用いられるActive Appearance Models 法の提案 データベースを基に3D顔モデルを生成、写真の中 の人のそっくりに作って写真の表情を変えることも できる。
  10. 10. 写真の中の顔のパーツの位置を取得するた めの新しい手法。ベイズを用いている。
  11. 11. どんなもの? 先行技術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? 次に読む論文は? 煙の動きや、液体の中に濃度の違う液体を 流した時のシュミレーションができる。 目に見える煙だけを再現することで余計な計算を することがなく、より現実な動きを再現できる。 triangle    meshを用いることで、より規模の大きい 煙のシュミレーションができるようになった。 拡散したり、もやのかかった煙には あまり適していないのでは? この技術を用いていないシュミレーションと 比較して、非現実な動きの大小を調べた。 Interactive On-Surface Signal Deformation SIGGRAPH 2010
  12. 12. 光の当て方をマウスのドラック&ドロップで 簡単に変えることができる。 文字で絵を作る、テキストアートの アルゴリズム。
  13. 13. 木が障害物に適応して生える様子を シュミレーションできる。 デバイスに埋め込んだセンサーが反応して、 同じポーズをCGで再現できる。
  14. 14. 画像を読み込んで、それをアスキーアートに 変換する。
  15. 15. iSkin:  Flexible,  Stretchable  and  Visually  Customizable  On-­‐Body  Touch  Sensors  for  Mobile  Computing   Martin  Weigel  ,  Tong  Lu  ,  Gilles  Bailly  ,  Antti  Oulasvirta4,  Carmel  Majidi  ,  Jurgen  Steimle   どういうものか どうやって有効だと検証したか 次に読みたい論文:EarPut:  Augmenting  Ear-­‐worn  Devices      for  Ear-­‐based  Interaction 議論はあるのか 薄くて柔軟で伸ばすことができ、見た目をカスタマイズ できる肌につけられるタッチ入力のための新しいセンサー 0%、10%、20%、30%引き伸ばした時の センサーの検出結果、0.5cm,1cm,  2cm,3cm 折り曲げた時のセンサーの検出結果によって、 引き伸ばしや折り曲げ可能な範囲を検証した 体についている他のセンサーとのやりとりをするためにアドホッ クネットワークを用いて、ワイアレスにすることが必要 先行技術と比べて何がすごいか 静電容量センサと抵抗性センサを組み合わせることで 軽いタッチと重いタッチの2つのレベルの圧力を検出する ことが可能。折り曲げたり、30%に引き伸ばされた場合も 検出可能。
  16. 16. EarPut:  Augmenting  Ear-­‐worn  Devices  for  Ear-­‐based  Interaction   iRing:  Intelligent  Ring  Using  Infrared  Reflection Arduinoとタッチセンサを用い、耳から入力することのでき る装置。 IR 反射センサーを経由して指のジェスチャーを測る ためのデバイス。 Roman  Lissermann,  Jochen  Huber  ,  Aristotelis  Hadjakos  ,  Suranga  Nanayakkara,   and  Max  Muhlhauser Masa  Ogata  ,  Yuta  Sugiura,  Hirotaka  Osawa  ,  Michita  Imai
  17. 17. FingerPad:  Private  and  Subtle  Interaction  Using  Fingertips 人差し指の指先をタッチパッドとして操作できる入力 デバイス Liwei  Chan∗  Rong-­‐Hao  Liang∗†  Ming-­‐Chang  Tsai‡  Kai-­‐Yin  Cheng†  Chao-­‐Huai  Su†  Mike  Y.   Chen‡  Wen-­‐Huang  Cheng∗  Bing-­‐Yu  Chen‡ On-­‐Body  Interaction:  Armed  and  Dangerous Chris  Harrison,  Shilpa  Ramamurthy,  Scott  E.  Hudson 体自体を入力と出力するインタラクティブな技術 体の上で操作することができる
  18. 18. A  Thin  Stretchable  Interface  for  Tangential  Force  Measurement   引っ張ったりつまんだりするようなときに生み出される 力を測るための曲がったり伸びたりする肌のような ユーザーインターフェイス Yuta  Sugiura Masahiko  Inami Takeo  Igarashi
  19. 19. Smart Eyewear for Interaction and Activity Recognition !"#$%&'(")*%+,-&.,/)&01*%-&2%)&2,341-&2#)5")&2)(1&-&2%6(,*%&7%3%8%-&9%(%")8#&'3%*)& . . Eye Movement Analysis for Activity Recognition Using Electrooculography. ,J!NS MEME . . , / . .12 91 . Google glass . , . EOG .
  20. 20. :$1&9#;1*136&<3%=$()(&>#+&<5?;)6$&@15#A3)?#3& 0()3A&:=156+##5,=#A+%B"$& . , , EOG . 90 . . CD&@#(13E,)(6FGHG&CI&J#K=1+L&%3M&D<&N"+)(6%8)(OGP In the Blink of an Eye – Combining Head Motion and Eye Blink Frequency for Activity Recognition with Google Glass Google . . . CD&@#(13E,)(6FGHG&CI&J#K=1+L&%3M&D<&N"+)(6%8)(OGP !"#$%&'(")*%+,G&2%)&2,341G&2#)5")&2)(1-&C13(&Q1BB31+G&<3M+1%(&R13A1=G&S%,=&T,8#K)54& <3M+1%(&U,==)3A
  21. 21. How Much Do You Read? – Counting the Number of Words a User Reads Using Electrooculography . ( ). . . Full-time Wearable Headphone-Type Gaze Detector C%*1(&I&J#K=1+G&%((#5)%61&B+#>1((#+GF&D)5"#=%(&<&N"+)(6%8)(G&B+#>1((#+H&&2%)&2,341G&9%(%)&2%6(,6#(")G&.,/)&01*%G&9%(%")8#&'3%*) . EOG . . .
  22. 22. . Gender differences in the relation between social support, problems in parent-offspring communication, and depression and anxiety 2%+=)13&9-N-&T%3M*%3VS1161+(%G!G&N%6"%+)3%&<-&I%+6*%3%GWG& X)16%&;%3&M1+&S#*B1%G&C#"%3&<-&M13&U#1+%G&@,,M&U-&9)3M1+%%WG&C#"%3& Y+*1=%
  23. 23. !"#$%&'$($%")*%+,&-"%.$+/(0&1($%02&3%*4&5*6789(0:&;6<<9(0&"(=&>?9=9(0& "#$ %&'# '()*+,!-./()*!0,(1+)!-,(23+4+5-,(5! )6)3*+)+,6-3,!6)0!(-7!87+!93,! ()7-6)-6)+3874.!4(*:;)*!8/!"#$7!
  24. 24. '()*+,!-./()*!0,(1+)!-,(23+4+5-,(5!)6)3*+)+,6-3,!6)0! (-7!87+!93,!()7-6)-6)+3874.!4(*:;)*!8/!"#$7! "#$ < =
  25. 25. #)+,*.!>6,1+7;)*!',3?!>8?6)!6)0!@65:()+! @3;3)!93,!A(,+4+77!#4+5-,3)(5!$+1(5+7! !
  26. 26. #)+,*.!>6,1+7;)*!9,3?!-:+!B+6;)*!>+6,-!2.!6!@677! C?2646)5+!D75(446;3)!E+)+,6-3,!!
  27. 27. @()$%"7/.$&'$($%")*%,&A&>$?3B!*C$%$=& -"#/7&D$$=<"7E&F$.97$& ! !
  28. 28. 1?$7)%*(97&!*#"<?$+,&1G#?*%9(0&!"#$%BH"+$=&I*4#6/(0&! )8%*608&"(&@()$%"7/.$&!*#BJ#&H**E&! !
  29. 29. !"#$%&'()*+,$'''-./01"+'2"34"3'''(%3*5'(.1674"3'''8"4%+$'8"+9"*'' 2:- 2:- 2:- 2:- 2:- 2:- ;<=-;>'?@>'(A-BC?>'?@>'DEF2C8>'=@>'88E?FC!;>'=@>'=G-'DEHI'FAG>'D@'JKKL@' F$)3'?)0$6M';36%0*"6%N'.OP,"1'4/1PI6./,$'+%3+)30'6$*./0$'6$)3'Q.*4I Q",6.*'N)+O1"5+@';3'R.*9+$.O'.3'C4%*0)30'-)+O1"5'F%,$3.1.0)%+@' D)-)'?,*%%3M'='F$)3>'-%O6$I?%3+)30'2:-'Q.*'U-';36%*",P.3'/+)30'2)0$6'Y)%1N+'
  30. 30. !"#$%&'()"$*&+,(&-#./01)2&3&456718(&9(8,$"0"%)&:#+,&1$& ;0(8+6"$#8100)&4:#+8,1<0(&-#=5.(6' ?$"$*"4';7"N)&&'?6%Z%'(.N0%+&&'?6/"*6'F"51.*&&'-"3'8.+%3Q%1N&&' G),.1"+'[)11"*&&'=1%'D/61%*&&&].3"6$"3'R%+6$/%+ >"0"?1002&-(.#%$#$%&1&@#$%(6A&>1$*B&'"*)B&1$*&C<D(8+& 4($.#EF(&?100& G.^/5/9)'!"6+/+$)6"''']/3'8%9)4.6.' +&)6,$"^1% '
  31. 31. G":HI".+&J50EH9"58,&4($.#$%&+,6"5%,&@65.+61+(*&9"+10& K$+(6$10&L(M(8E"$' ]%_%*+.3'`@'("3' 4,#(0*&@#(0*.2&J"*(0#$%&1$*&I1/+56#$%&N-&C8805*(6.& -./01"+'2"34"3'''8"4%+$'8"+9"*'''=4)6'=0*"&"1'''' B"^*)%1'F"/^)3' Q*/+6*"6%N'6.6"1')36%*3"1'*%a%,P.3 - ' bcb - '
  32. 32. 9,#$4#%,+2&O(6.1E0(&J50EH+"58,&4($.#$%& 7"6&9,#$&@"6PH718+"6&-#./01).& ?6%Z%'(.N0%+'''?$"$*"4';7"N)'''=1%'D/61%*'''=1^"3'8*/+6%4)'' D)11'D/6.3 ' 2:- '
  33. 33. どんなもの? 1枚の画像から、シーンの奥行きを推定する。 他と比べてどこがすごい?  ステレオにする、動かす、基本図形だと仮定す る、追加情報を付加する、などを行わない方法の 中で、より精度の良い推定を実現した。 技術のキモ・手法は?  深度推定を、連続的な変数(superpixelの深さを 表現)と離散的な変数(隣接するsuperpixel間の関 係を表現)を用いて行う。    実際には、深度がわかっている画像群から似 ているものを探し、それを初期値として、PCBPと いう手法で変数の最適化を行う。 次に読むべき論文は? 議論・結論は?  屋内、屋外ともに比較的精度の高い深度推定 を実現できた。この今後はこの技術をどのように して3Dシーン理解へ利用するかを検討する。   Depth  extrac6on  from   video  using  non-­‐parametric  sampling. どうやって有用だと示した?  データセット(Make3D)の深度と、画像から取得 した深度の誤差を計算し、他研究や条件を変え た際と比較することで、精度が高いことを示した。
  34. 34. 動画における奥行き推定の、新しい手法を提案した。この手法は完全に自動であり、 2D動画から3D動画(ステレオ)の作成も行う。また、ノンパラメトリックな手法を用いてお り、今回読んだ研究はこれに近い手法であるといえる。  
  35. 35. 一枚の2D画像から3Dの構造を推定する新しい手法を提案した。   画像を”superpixel”と呼ばれる小さな領域(平面)に分割し、マルコフ確率場(MRF)を用いて superpixelの位置と姿勢を推定することで、形状推定を実現している。   今回読んだ研究で利用していたconvex  BP(凸形確率伝搬法)ア ルゴリズムについての論文。連続的な変数から離散的な変数ま でに対応した最適化アルゴリズムなどが提案されている。
  36. 36. 一枚の屋内画像から、物体の検出・推定を行う研究。   形状をBOXだと仮定することにより、検出を可能にしている。   新しいタイプのSLAMである”オブジェクト指向”3D  SLAMによって 物体認識を行った。ループ内で前段階の情報を最大限に活用 することで、効率的な推定を可能にしている。  
  37. 37. !"#$%&'()*+"#$,+*"-$%".'+"/012'+343"56"78"-(9+3" !"#$%&'(#)*+' ,-".)/'!%0%&' 1)234#)*5$36*/7898':;9&'<="#">=/5-%'?@<%&*%7$A' ,;9<=*>%*A'B%&.)*@ CD ' CD EFF ' E CD ' G%)#=/75'."H%#=*>':"&':)5=)#')*=.)7"*A'IJJK
  38. 38. ・今後の課題   唇の光沢や、油汚れの色合い、粘土の混色具合 など、再現が足りないものが存在する。     ・次に読むべき論文   Hierarchical  mo7on  brushes  for  anima7on  instancing   ( h0p://dl.acm.org/cita7on.cfm? id=2630402&CFID=672573387&CFTOKEN=73926898)   ・どのようなものか   実際の画材をキャプチャしてデータにし、ストローク を合成する。ユーザーが入力したストロークの経路 に、ストロークの重なりや汚れなども加味して、新し い2Dテクスチャーを合成する。     ・先行研究との相違点   従来のデジタル絵システムは、描画のストロークを レンダリングするために、手続き的な規則と身体の シミュレーションを利用していた。このシステムはそ れらが不要である。     ・重要な点   様々な画材や描画方法を、取り込んだデータの合 成によって再現できる。    
  39. 39. Data-­‐Driven  Enhancement  of  Facial  A4rac5veness   Tommer  Leyvand,  Daniel  Cohen-­‐Or,  Gideon  Dror  and  Dani  Lischinski   オリジナルの肖像画との類似性を維持しながら、 自動で顔の魅力を増加させた。 先行研究を比べてどこがすごい? 技術や思考のキモはどこ? 議論はある? 次に読むべき論文は? どうやって有効だと検証した? 絶対的な定義が難しい美的価値だが、顔の魅力を 判定したデータを収集して、顔の特徴となる点を とり、魅力度の高い顔面の空間を探索する。 顔画像に3Dモデルへの適用を必要とせず、2D画像 上で操作する。また、全く違う顔をモーフィング するのではなく、違いは かなものの、魅力的な 顔を生成する。 BLANZ, V., AND VETTER, T. 1999. A morphable model for the synthesis of 3D faces BEIER, T., AND NEELY, S. 1992. Feature-based image metamorphosis どんなもの? 顔面空間内の目や鼻などの距離をベクトル表記 kNN法やSVRを用いた美化エンジンで調整 この技術では、正面から撮った、無表情の 顔の画像のみに制限される。
  40. 40. " ! +, ! -./01234!564!78/9+2.:/4!;64!8.<!=:<>0?4!@6! #$$#!A.0,8BC.!8.<!/:.<:/0.1!CD!+C,EF:G! ?83:/!9H/D8+:96!AI7!J/8.98+BC.9!C.! "/8E20+9!K;L""@AMN!#$$#O .0,8B.1!PHQQF:9!L.3:/8+BC.9! .!8!R0SH0<!=C8,! TF:>90U!PH98/U:V4!J8,8F!W6!5:U4!NH8,0.!X8.14!Y2C.1!@:.!K;L""@AMN!#$%#O "MZ &$N[
  41. 41. Interpre'ng  Concept  Sketches   Tianjia  Shao          Wilmot  Li          Kun  Zhou          Weiwei  Xu          Baining  Guo          Niloy  J.  Mitra どんなもの? デザイナーがスケッチした絵を簡単な図形 に変換して編集し、動かしたりできるように することで、制作会議等で伝わりやすいデ ザイン画を実現する。 どうやって有効だと証明した? パーツごとにノードを設定し、関係性をグラ フ化することで、2次元では見えていない面 やパーツの動きを設定し、整理した。 先行研究と比べてどこがすごい? 簡単であいまいであり、ムラのある絵でも 読み取ることができる。 議論はある? スケッチソフトに直接この分析構造を組み 込むことを計画。 技術や手法のキモは? 2次元のラフスケッチから、カメラ角度を考 慮して3次元の正確なサイズを計算するこ とができる。 次に読むべき論文は? ILoveSketch  :  as-­‐natural-­‐as  possible  sketching   system  for  creaJng  3D  curve  models   hMps://www.youtube.com/watch? v=8WtKmcnva8o
  42. 42. XG2%7. Y(/0%.;<;$%L<$=EL2%Z7;[)FG=2E2%-G()-)!E($=#%6!)%!,)H#+2! L2A#C2E;!@%!!"#$%&'#()*+,-.&/01Z!Y[<!=2EE!]>RRU^Z!>UUF>QT;!!
  43. 43. どんなもの? 距離を測定できるカメラ(Kinect)を用 いたタッチセンサーの開発。 先行研究と比べてどこがすごい? 触る物体が本や机などのタッチセン サーを搭載しないものでも、また平面 でなくとも、その物体に触れているか どうかがわかる。 技術や手法のキモはどこ? Kinectを用いて、触る物体までの距離と手 の距離を比較して触れているかどうかを判 定する。 どのようにして有効性を照明したか? 本の片方に手を置き、もう片方は浮かせて カメラでその様子を撮影し、触れているか 判定できたことを確認した。 議論はある? 現在あるタッチスクリーンには及ば ないが、あらゆるところがタッチス クリーンになるので将来性はある。 次に読むべき論文は? Agarwal, A., Izadi, S., Chandraker M., Blake, A. High precision multi-touch sensing on surfaces using overhead cameras. Proc. IEEE Tabletop 2007.
  44. 44. 概要 103の骨と823の筋肉を再現した精巧な人体モデルを用 いて、リアルな水泳の動きをシミュレーションする。 先行研究との比較 先行研究にない精巧な人体モデルを用いてリアルな挙動 をシミュレーションする。 手法のキモ 筋肉を動かすための神経系を模した筋操作システムを作 成し、外界の状態をこのシステムにフィードバックする システムも作成して自動制御で前に進むようにした。 有効性 クロールやバタフライなどの動作をさせ、動きに破綻な くシミュレーション上で水を掻いて進むことができた。 議論の余地 各筋肉の伸縮具合、またそれに伴う骨の動きをシミュ レートしなければならないため計算が膨大になる。 次に読むべき論文 P. Agache, C.Monneur, J. Leveque, and J. Rigal. 1980. Mechanical properties and Young s modulus of human skin in vivo. 先端技術とメディア表現
  45. 45. Make  It  Stand:  Balancing  Shapes  for  3D  Fabrica;on  Romain  Prévost,  Emily  Whi;ng,  Sylvain  Lefebvre,  Olga  Sorkine-­‐Hornung   どうやって検証したか 様々な形状の物体を実際にプリントした。 議論はあるか 物体を変形させた際に部品同士が衝突 してしまう可能性がある。 次に読むべき論文 Radomír  Měch,  Nathan  Carr,  Ondrej  Stava,    Bedrich  Benes,  Jural  Vanek   Stress  Relief:  Improving  Structural    Strength  of  3D  Printable  Objects どんなもの? 3Dプリントでできた物体が机の上で倒れ   ないように最適化をかけるというもの。 先行研究と比べて 3Dプリントした物体のある部分に応力が   集中して折れてしまう部分を自動で解析 して修正してくれるものはある。 技術や手法のキモ 変形による重心位置の調節と内部の空洞 によって調節する二つの項で重心を最適化 している。
  46. 46. Posi;on  Based  Fluids Miles  Macklin MaXhias  Muller   どんなもの? リアルタイムで計算可能な粒子ベースの   流体シミュレーション。 先行研究と比べて PBDのフレームワークで初めて流体を   実現した。 技術や手法のキモ PBDに基づいて流体シミュレーションを   したこと。 どうやって検証したか ウサギなどの像がある水槽の中の水の   動き、水のしずくを落とした動きなどを   シミュレーション。 議論はあるか 粒子が固体に接触しているときに境界に   沿った粒子の積み重ねが正しく行われ   ないことがある。 次に読むべき論文 SOLENTHALER,    B.,AND  GROSS,    M.      2011.        Two-­‐scale  par;cle  simula;on.
  47. 47. &'()*+,))-,./!""01/!"#$%&'&()*+(,-*.*/-/#(01)2&( 3%".*4(5-%(6&7'(8*'%9()*+(,-*'%-:./2-3*-'45/6())+'*47-,/ 8-'69:+)*;'+ &+<=-4'6) >?@)ABBCCC1<-;*;=+13-DBC4*3>EFG0H&IJKL6M>3 N O
  48. 48. /P(Q>*/R+S+37-,/M;,37-,)/T-'/U(D;547-,/-T H5-;6)/4,6/2;)*</U;'T43+) / !"#$%&'%(')*+,-./*01'2,34.-'56"4#+'7*#$*0'8.#"9' :+*01';44:<:-.3%0'=:6"9'' / V9=;W+' X#!Y$"" J 0 / / >%<%/:?*'@*+$*#.'/ M;Z;<4D4/[,(F+')(*<// 5*$.4$*9%'@.?.<."'/ ('-)>(D4/]'+T+3*;'45/[,(F+')(*<//
  49. 49. どんなもの? 先行研究と比べてどこがすごい? 議論 どうやって有効だと証明したか? 次に進むべき論文 技術や手法のキモはどこか? 机の上に3次元的に並べられたブロックの状 態をコンピュータに入力できるシステム これまではテーブル上にブロックを重ねて も感知出来なかったが、ブロックの工夫と ソフトの開発で感知できるようになった 実際にプロトタイプを作り、意図通りの動作ができる ことを確認した。 Printed  Op+cs:  3D  Prin+ng  of  Embedded  Op+cal  Elements   for  Interac+ve  Devices かな ガラスファイバーを使っているのでブロックの作成に 手間がかかる。 Lumino:  Tangible  Blocks  for  Tabletop  Computers  Based on  Glass  Fiber  Bundles ブロックを上下に貫くガラスファイバーで ブロックの上面の様子が下面に映る。それ をカメラで検出してる。
  50. 50. どんなもの? 先行研究と比べてどこがすごい? 議論 どうやって有効だと証明したか? 次に進むべき論文技術や手法のキモはどこか? /0 ( ( ( ( /0 ( !"#$%&'()*+,-.(/0(!"#$+$1(23(456&''&'()*+,78(48&5&$%-( 32"(9$%&"7,+:&(0&:#,&-( ( /0 ;<8+=57%&"#78(3"&&32"5(376"#,7+2$(23(7,+:&( ->-%&5-
  51. 51. Transmogrification: Casual Manipulation of Visualizations 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? どんなもの? 選択範囲の外枠と内部の適当な曲線1本からパラ メータ空間を作成し、そこから任意の形に再描 画する。 Transmogrificationの活用例を示した。(例: 地図上の川をまっすぐに) 描画の正確さはユーザの操作の正確さに左右され る。ラスター画像は可視性がないことがあるので、 同時にベクター化することで正確な変形を行う。 Revision: automated classification, analysis and redesign of chart images. タッチ操作で画像の一部を選択し、必要に応じ た別の表現でリアルタイムで再描画する マルチタッチパネルで操作でユーザが自由に描画 した範囲をリアルタイムで再描画できる。画像フ ァイルだけでなくブラウザなどでも利用できる。
  52. 52. 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? どんなもの? Magic Finger: Always-Available Input through Finger Instrumentation Enabling alwaysavailable input with muscle-computer interfaces. 指に装着して物を検出、 操作するデバイス 色々な表面を識別できる また、常時入力可能である 指のデバイスだけで操作 低解像度高フレームレート オプティカルフローセンサと、 高解像度低フレームレートカメラ の組み合わせ ユーザーが使い方を理解する方法 デバイスの小型化 22個のテクスチャを用意して、 60個のサンプルをとり、 交差検証法を用いて精度判定をした
  53. 53. Impact of Ultra High Definition on Visual Attention 先行研究と比べてどこがすごい? どんなもの? 技術や手法のキモはどこ? どうやって有効性を検証した? 議論はある? 次に読むべき論文は? HDとUHDでの,視聴者の注視力について比較を行っ たもの. マスモニなどを用い,映像屋さんに文句言われない環 境で,統計を用い,また視覚的にわかりやすい表現技 法を用いている点 分析を, FDMでわかりやすく,KLDなどで定量的に評価 して,どのくらい注視しているかを表している点. UHDの有効性になるが, 視線がより対象物に集中す るようになり, またHDとUHDでは画の見方が異なるこ とが分かった. さらに議論しにくいが, 音響についてもハイレゾの 効果について同じような議論ができそう.(すぐには 見つからなかった),また視力にもこの検証を応用し たら有意義だ. Multi-sensor concert recording dataset including professional and user- generated content MMSys ‘15 Werner Bailer, Chris Pike, Rik Bauwens, Reinhard Grandl, Mike Matton, Marcus Thaler Hiromi Nemoto, Philippe Hanhart, Pavel Korshunov, Touradj Ebrahimi 14’ ACM international Conference on Multimedia
  54. 54. ‘KIST Smart Wall’ and its Media Art Application: The Scenery Series どこがすごい? どんなもの? 技術や手法のキモはどこ? どうやって有効性を検証した? 議論はある? 次に読むべき論文は? しっかりとした高機能なマルチタッチが可能で、安価 に展望シーンを可能にすることができる大画面を実現 するメディアアートアプリケーション. 大きさの制限無く、インタラクティブな大画面を、簡 単に実現できる. また、従来までの影による影響を大 きく減らし、マルチタッチの信頼性が向上している. 導入の容易さや、従来の同じ手法と比べ、信頼性の向 上を実現する赤外線アレイに基づく測定を用いた大画 面でのマルチタッチ検出方法. 6x2=12枚のディスプレイによる3072x768の解像度で3 名のメディアアーティストの作品‘East Sea in Mind’ と ‘2015 Jinkyung Sansoohwa’ 、‘Known Sea’を実際に展 示した. 特に記述なし. ・Sensor systems for interactive surfaces. Ibm Systems Journal (2000) Joong Ho Lee, Chung Yo Ha, Hyun Jhin Lee, Ji-Hyung Park, Sanghwa Hong CHI 2015, Crossings, Seoul, Korea
  55. 55. どんなもの? 先行研究と比べてどこがすごい? 技術や手汰のキモは何? 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? FTMA15 先行研究と比べてどこがすごい? 議論はある?先行研究と比べてどこがすごい? 議論はある? 動画URL:https://youtu.be/L0i-uTa4kv4 A Multi-Layered Display with Water Drops Peter C. Barnum ,Srinivasa G. Narasimhan ,Takeo Kanade 流れる水滴の列で作られる層に画像や映像を 投影し、それを重ねることで空間に2.5Dの ディスプレイを表現するもの。 一つのプロジェクターで何層ものスクリーンを 表現でき、投影するものは画像から映像まで制限 なく、投影スピードも速いものが可能。 水滴のサイズを互いが干渉せず、列を作るのに 排出することが可能な適切な大きさで作ったこと。 プロジェクタ、カメラ、バルブのタイミングを計算する ことにより、リアルタイムに映像などを反映させた。 一秒間に何滴の水滴が可能かを検証し、一層であれば 60滴/秒まで可能で、多層に渡る場合は10 15滴/秒まで 映像を投影することが可能だった。 3Dディスプレイを表現するには、もっと正確な水滴の管理が 必要であり、また空間の状態によって左右されないように しなければならない。 かなり似た研究ということで「A projector-camera system for creating a display with water drops.」
  56. 56. Unified Particle Physics for Real-Time Applications Miles Macklin, Matthias Muller, Nuttapong Chentanez, Tae-Yong Kim どんなもの? 先行研究と比べてどこがすごい? 物体の表現だけでなく相互作用も完璧 に見えるような表現を可能としている 技術や手法のキモはどこ? 物体を粒子の集合体として処理すること で様々な物理運動を統一的に処理し、リ アルな視覚効果だけでなくコーディング の手間までも改良させることに成功した。 どうやって有効だと判断した? 次に読むべき論文は? 議論はある? 先行研究などからアルゴリズムを参照 し考え、プログラムとして実装した MU ̈LLER, M., KEISER, R., NEALEN, A., PAULY, M., GROSS, M., AND ALEXA, M. 2004. Point based animation of elastic, plastic and melting objects. 現在固定である粒子の大きさを可変に すれば、剛体等の表現が効率的になる G10   固体・気体・液体などの垣根なく物質 の挙動を見事に表現する物理エンジン
  57. 57. !"#$%&'"()*+&'",*$-(.+"'-/%0(+1(!*&2/3'&3,*'( *+,!-- *+, *+, . *+, /0!12234!!"##)! 5467380492!:6832;<=!6>!?0;28;<=@A!
  58. 58. B6C!D68E!F676:6G6<! H /02G6?I37GJ3!76<K462!L;KM!>4;7G6<92! 76<K97K@
  59. 59. Generating Emotionally Relevant Musical Scores for Audio Stories Steve Rubin, Maneesh Agrawala 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? 高いレベルの技術を持っていない初心者にも、 録音された朗読に対し、感情的に関係のある音 楽を自動的につけられるシステムを作った 朗読・音楽に対する感情のラベルを増やし、選 択肢を増やした。3種類のラベル付けの方法を 用意し、有効性を確認した 人が手動で音楽を付ける方法、クラウドソーシ ングで朗読・音楽に対しラベルを付けてもらい音 楽をラベルに従って朗読にくっ付ける方法、ラベ ル付けから全てを自動的に行う方法の3パター ン用意した。それを実際に聞き手にランクづけし てもらったところ、クラウドソーシングを利用した 方法が最も高評価だった。 朗読へのラベル付けの際、朗読の内容へのラ ベル付けのみで、声質の変化、スピードの変化 に対応していない
  60. 60. SONNOTILE: AUDIO ANNOTATION AND SONIFICATION FOR LARGE TILED AUDIO/VISUAL DISPLAY ENVIRONMENTS ■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? ■次に進むべき論文は? 大型ディスプレイでの情報探索を助ける枠組み 画像に音声を結びつけることで ユーザーの情報探索をサポートする 1.ディスプレイのサイズの変化に対応 2.スピーカーの音量を画像の位置によって調節 この研究では検証は行っていない 音の位相をずらす効率的なアルゴリズムが 望まれる M. Bouéri and C. Kyirakakis. Audio Signal Decorrelation Based on a Critical Band Approach, in 117th Convention of the Audio Engineering Society, 2004, pp. 28-31. https://www.youtube.com/watch?v=8Ayoe-jURJM
  61. 61. Shader  Lamps:   Anima0ng  Real  Objects  With  Image-­‐Based  Illumina0on   Ramesh  Raskar,  Greg  Welch,  Kok-­‐Lim  Low,  Deepak  Bandyopadhyay どんなもの? プロジェクターを使って立体的な建物に色や質感をマッピングした。光源 を動かして影とかもリアルに表現した。 先行研究と比べて何がすごいの? ホーンテッドマンションの喋る石像とかプロジェクタがくるくる回って人がいる ように見せるやつ(Naimark)は厄介なプロジェクタに厄介な調整があり、そ のプロセスに時間がかかった。しかしShader  Lampsはそのようなプロセスを 踏まず、プロジェクションが可能。1分くらい? 技法や手法のキモはどこ? まずコンピュータの中でデモ。そのあと、プロジェクタはおおよそここだろうっ て位置においてから物体との距離とかを調整する。 どうやって有効だと検証した? 粘土でつくった花瓶をメタルやプラスチックでできているように見せるなど、 3Dオブジェクトの外観を変えてみたり、動く映像を投射して止まっている 物体がうごいているように見せたりした。 議論はある? プロジェクター固有の制限(ピントの合う距離が決まっていること、黒レベ ルでダイナミックレンジの幅が狭まってしまうこと)が映像のクオリティに影 響してしまう。また、プロジェクションされた物体を見るのにオペラグラス やHMDは必要ないが、人の影が邪魔してしまう。   次に読むべき論文は? Ramesh  のほかの論文気になる  
  62. 62.   Table-­‐Top Spa0ally-­‐Augmented  Reality:   Bringing  Physical  Models  to  Life  with  Projected  Imagery   Ramesh  Raskar,  Greg  Welch,  Wei-­‐Chao  Chen   どんなもの? テーブルの上にある木やレンガ、段ボールの立体に2つのプロジェクターか ら2D映像を投射して色や質感を与える。(shader  lamps  の前身的な?) 先行研究と比べて何がすごいの? 今までコンピュータの中でやっていたアプローチに現実世界の仮想的な3D オブジェクト加えた。投射型だから複数の人とイメージを共有できる。 技法や手法のキモはどこ? ARに3Dの立体を利用している点。   どうやって有効だと検証した? 技術自体が不完全な時から、たくさんの人々にこの成果をみてもらい、意 見をもらいながら修正していった。 議論はある? この技術を適用できるのはVisualiza:onに限られ、投射された映像との複 雑な対応には向いていない。あとは立体の角などに投射した際に、曲線 がギザギザしてしまう。(エイリアシング?)影も邪魔。 次に読むべき論文は? Ramesh  のSpa:ally  Augmented  Reality  
  63. 63. "#$#%&'(#)*!&+!,!-.'#/,%!0&1&*!*2,*!3,%45!6.4#!,)! 7).(,8&)!92,:,;*#:! <#=)>(&&)!<&)>?!@&&2A=)>!B.(?!,)/!B,*5=!C,(,)# DEFG "#$ % &'$ % "# &' "()*+,-./0!12*/3-!4-5/0!,/!6407*/3*8!9588*/ :(/85.(/,;!<,/8(7!"5*;8!
  64. 64. HIDJK<L!#58(,8)>!>#&>:,'2.;!.)+&:(,8&)!+:&(!,!5.)>%#!.(,>#!! @,(#5!M,A5!,)/!7%#N#.!7O!P+:&5!! =>> ?@A =>> BCDE!<F!GH*;5-I5F!JKL*)*!,7!&MNO!&::P!?>>D!:(7Q43*)!P5-5(/! :(/3*-3F!LRQOSS)*-*,)+LF75+)(-(TF+(7S5++2?>>DS:(/3*-3SF
  65. 65. どんなものか? 先行研究と比べてどこがすごいか? 技術や手法のキモはどこか? 次に読むべき論文は? 議論はあるか? どうやって有効だと検証したか? カーペットのファーを立たせて模様を描き出す 3つのデバイス 毛を逆立てる方向にホイールを動かすこと で、どの方向から描いても毛を逆立てられ る。AUFDを使用して超音波での描画。 毛の逆立つ場合と平らな場合の比較、光を 回転させて毛と直交する方向を調べる ペン型のデバイスはモーターの回転等に よってスムーズさに制限が出てしまう Fulukawa et al. 逆に出来ないオブジェクトでも修正すること 無くディスプレイに変える。維持費がほぼか からない。
  66. 66. "!#$!%&'(&)&*!&+,-.)/0.'!.1!&+,)&2234&! 3'(&)/%0.'5!6'!7).%!8965!:;<==>?
  67. 67. , , -., /0121203., 456 456 !"#$$%&
  68. 68. , , -., /0121203., , , •! , •! 57,8#9#:;<;,(=>,;$7,?,'(")*+,8@($AB,C*9,D(A(%=9@;+,E9;F", G*+=9*$>,H+,D9*"7,I4,J11 !"#$'$& KLM%NOO<<<7P*#=#Q(7"*RO<;="KSTU'VWXY1Z.%/[
  69. 69. , , -., /0121203., 4(;A]R*#+=(A,'(")*+,6@%M$;P ^ •! 5;(A;>,E7>,I+A*>,47>,V#_@R*=*>,57N,'@9=#;$,;""($(9;)*+, <@=K,Y;$T;+@",'(%)Q#$;9,V)R#$;)*+,@+,;,T@9=#;$,9(;$@=P, (+T@9*+R(+=7,H+N,D9*"((A@+_%,*C,H[[[,'X,/00.>,MM7,/`3a /30,b/00.c ()*)+,-./)0!1.234.567!89!:70;<374!=)>?,@6567!A)B<)C567!D3EF!G).0,H6;7E)0!I)<567!J3/C>.9!"#$'#& E*R*K@9*,E;+@:;<;>,d#R;,5#9*P;>,E;:#e@,f;9#R@>,5@"K@=;:;,4@9*%(

×