2013年12月
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30 31        

最近のトラックバック

無料ブログはココログ

feature points

2008年6月30日 (月)

Nonparametric belief propagation

原稿PDF

確率分布を混合ガウス分布で表わしたうえでの、確率伝搬法の計算法とその顔画像解析への応用。メッセージの計算やその統合にはGibbs samplerを用いる。

顔画像解析では、左右の眼・鼻・口の左右の端の5か所をノードにみたてて、各ノードに画像をあらわす10次元と位置の2次元をあわせた12次元の状態変数をわりあてる。各ノードに対応する局所画像に基づいて、隠れ変数である12次元の状態変数を推定する。この際にノンパラメトリックな確率伝搬法を用いる。すると、5か所のうちの一部が隠ぺいされていても、他の領域からのメッセージに基づいて、隠れている部分の画像パターンや位置を推定できる。

2008年6月11日 (水)

3D Probabilistic Feature Point Model for Object Detectoin and Recognition

 3D Probabilistic Feature Point Model for Object Detection and Recognition

画像に映った特徴点に基づいて、姿勢と顔の形状の推定をおこなう。推定用にreferする特徴点と、推定した姿勢に基づいて位置の検討をつける特徴点とに分けて議論。

形状は、特徴点の位置に関する固有空間上の座標で記述。カメラには弱透視投影を採用。形状とカメラパラメータはClosed Formで解ける。RANSACと似た要領で、referenceの特徴点に基づいて姿勢と形を推定し、それ以外の特徴点で整合性を検証し、全組み合わせのなかから最適なものを選択する。

特徴点に基づいた議論としては、メインストリームに位置する発表。

2008年5月17日 (土)

Particle Systems for Efficient and Accurate High-Order Finite Element Visualization



Particle Systems for Efficient and Accurate High-Order Finite Element Visualization


level setで表現された曲面上に、パーティクルを生成。曲率の高い領域で密に、全体としてまんべんなく、なおかつreference spaceで操作することで実曲面上のパーティクルを操作できる。最後の話は、reference->realの変換の逆変換を避けるため。


2008年5月15日 (木)

Entropy-Based Particle Systems for Shape Correspondence



Entropy-Based Particle Systems for Shape Correspondence


形状の似通った二つの曲面上に、点群を配置する。点群は(1)各曲面上にできるだけ満遍なく、なおかつ(2)各点に対応する点が他方の曲面上に見つかるように、互いに似通った配置にしたい。(1)の尺度には各曲面上における点の配置のエントロピーを用いて、(2)の尺度には両方の曲面をあわせて考えた点の配置のエントロピーを用いる。双方のエントロピーの和を最小化する点の配置を求める。


MRIから抽出した脳形状の対応付けなどに利用。応用範囲は広そう。