sm7708582の続編です。πタッチを実現すべく、いろいろ頑張ってみました。MMDモデルの読み込み、モーションの再生にはsm7613078で公開されているソースコードを使っています。sm7613078のうp主様、ありがとうございます!
![[ARToolKit] ステレオ計測を駆使してミクにおさわり](https://cdn-ak-scissors.b.st-hatena.com/image/square/6ce1f59077b81904e4fd8b3d3756f91eb44e4c58/height=288;version=1;width=512/http%3A%2F%2Fnicovideo.cdn.nimg.jp%2Fthumbnails%2F7738556%2F7738556)
[ARToolKit] ステレオ計測を駆使してミクにおさわり
sm7708582の続編です。πタッチを実現すべく、いろいろ頑張ってみました。MMDモデルの読み込み、モーションの再生にはsm7613078で公開されているソースコードを使っています。sm7613078のうp主様、ありがとうございます!
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。
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
