Google Chromeが採用した、擬似乱数生成アルゴリズム「xorshift」の数理
2015年12月17日、Google Chrome の JavaScript エンジン（処理系）である V8 の公式ブログにて、 JavaScript の標準的な乱数生成APIである Math.random() の背後で使われているアルゴリズムの変更がアナウンスされました。 Math.random() 関数は JavaScript を利用する際には比較的よく使われる関数ですので、親しみのある方も多いのではないかと思います。 新たなバグの発見や、従来より優秀なアルゴリズムの発見によってアルゴリズムが変更されること自体はそれほど珍しくはないものの、 技術的には枯れていると思われる Math.random() のような基本的な処理の背後のアルゴリズムが変更されたことに驚きを感じる方も少なくないかと思いますが、 それ以上に注目すべきはその変更後のアルゴリズムです。 実際に採用されたアルゴリズムの原
本物と見違えるような画像補間を実現するパスフレームワーク手法 - A Successful Failure
SIGGRAPH2009で発表された"Moving Gradients: A Path-Based Method for Plausible Image Interpolation"という論文*1では、2枚の連続する入力画像を与えると、その間のフレームを極めて自然に補間生成する新たな手法を提案している。 図1 図1は両端の入力画像A, Bから間の3フレームを生成した例を示している。生成する補間フレーム数は任意で何枚でも生成可能であり、極めて自然な補間が実現できている。この例の驚くべきところは、制約条件を有する複雑で柔らかな局所変形を含む自然な補間画像が、全自動で生成されている点である。モーフィング処理では対応点を一点一点指定する必要があるが、ここで必要なのは2つの画像を選択するだけだ。 生成される補間画像の品質は素晴らしく、またアイデアもシンプルで興味深いので、原論文を参照して本手法の概要
画像認識特論ホームページ
(1) お知らせ 最終レポート課題はこちら． 締め切りは１１月２７日（金）１７：００ １１月１０日 （株）東芝研究開発センター 岡田さんによる紹介 画像認識のトップコンファレンス ICCV, ECCVにコンスタントにアクセプトされている方です． 昨年までUCLA Vision Labに留学していたので，アメリカでの研究についてもお話頂けるかも知れません． 題目 画像による関節物体の認識とその応用 (株)東芝 研究開発センター マルチメディアラボラトリ 研究主務 岡田 隆三 博士 概要 人の体や手といった関節物体は、姿勢変化によって画像上の見え方が著しく 変化するため、画像認識によってそれらの物体を検出したり姿勢推定を行っ たりすることは困難な問題の一つとなっている。この問題に対するアプロー チとして、画像上での見え方の確率分布を推定する生成モデルを利用する方 法と、大量の訓練サンプルから識
1
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
処理を実行中です
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
SQLで木と階層構造のデータを扱う――入れ子集合モデル
