企画内容
概要

今回は,話題のトピックを「使える」知識として獲得する企画です.

* 「聞いたことはあるんだけど中身はよくわからない(- -)」
* 「もっと深く理解したい/もっと自由に使い倒したい!('-')」
* 「最近ちょっと気になってるんだけど,アレってどうなのよ?('3')」

このようなトピックについての調査・実装・発表を通じて,今後の研究に活かせる知識を獲得する機会を提供します.

対象となるトピック

理論,手法,アルゴリズム,画像処理ツール,Webサービス等,MIRU/PRMUに関連するものが対象となります.参加申込時のアンケートに基づいて,グループ毎にトピックを選択します.

調査

事前(MIRU会期中を含む)にグループ単位(3~5人)でトピックに関する調査・実装などを行い,発表資料を作成します.新たな知識の獲得と共に魅力的な発表を行うためのノウハウを得るために,「チュートリアルのためのチュートリアル」特別講演を予定しています.

発表

プログラム最終日にはグループ毎に調査の成果を,チュートリアルという形式で報告し,色々なトピックに関する理解・意見交換・議論などを行います.

各地から様々な若手研究者が集まりますので
* 「若手研究者間で広いネットワークを作りたい」
* 「進路(進学/就職/etc.)に迷っている」
* 「研究室の運営について知りたい」
などの技術的な興味以外の要望・疑問を持つ皆様にもうってつけの企画です.是非参加のご検討を!

対象となるトピックの例
応用実践系
物体認識を作ってみる
近年,顔や人,車等の特定の物体から枠を超えた物体認識が盛んに研究されています.公開されている物体認識のツールを使って始めてみましょう.
参考
  • Recognizing and Learning Object Categories
    http://people.csail.mit.edu/torralba/shortCourseRLOC/
    (ICCV2009&CVPR2007&ICCV2005チュートリアルスライド,MATLABコードあり)
  • 3日で作れる特定物体認識 
    http://www.m.cs.osakafu-u.ac.jp/IPSJ_3days/
    (サンプルコード,説明あり)
  • パターン認識技術の基礎と実装
    http://www.ssii.jp/09/contents/tutorial_sample.html
  • 部分空間法 
    http://www.tuat.ac.jp/~s-hotta/ss2008/
    (サンプルコード,説明あり)
  • 一般物体認識
    1. Caltech-101 classification
    2. 100行で書く画像処理最先端 画像の特徴抽出:Histogram of Oriented Gradients (HoG)
    3. 100行で書く画像処理最先端 画像の特徴抽出2:Scale-Invariant Feature Transform (SIFT)とBag of Features (BoF)
  • GPGPUを使ってみる
    従来の高負荷な画像処理を高速に行う手段としてGPUが注目されています.最も普及しているNVIDIA社のCudaをベースに使い方から実装までチャレンジしましょう.
    参考
  • GPUによる高速画像処理~実例でわかるGPGPU~
    http://www.ssii.jp/09/contents/tutorial_sample.html
    (サンプルプログラム,デモプログラムあり))
  • Computer Vision on GPUs: Course at CVPR 2009
    http://cvit.iiit.ac.in/CVGPU2009/cvOnGPUs.html
    (スライドあり))
  • GPGPU Tutorials on GPGPU.org
    http://gpgpu.org/s2007
    (多数スライドあり))
  • GPUを使ったCV Library
    1. OpenVIDIA
      http://openvidia.sourceforge.net/index.php/OpenVIDIA
    2. GPU4Vison
      http://gpu4vision.icg.tugraz.at/index.php
    3. MinGPU
      http://server.cs.ucf.edu/~vision/MinGPU/
    4. GPUCV
      http://gpgpu.org/2007/04/02/gpucv-a-free-gpu-accelerated-library-for-image-processing-and-computer-vision
    5. MDGPU
      http://www-old.amolf.nl/~vanmeel/mdgpu/
    6. SiftGPU: A GPU Implementation of Scale Invariant Feature Transform (SIFT)
      http://cs.unc.edu/~ccwu/siftgpu/
  • 3次元復元を使ってみる
    参考
  • Bundler: Structure from Motion for Unordered Image Collections
    http://phototour.cs.washington.edu/bundler/
    (サンプルプログラム,デモプログラムあり)
  • Patch-based Multi-view Stereo Software (PMVS2)
    http://grail.cs.washington.edu/software/pmvs/
  • Clustering Views for Multi-view Stereo (CMVS)
    http://grail.cs.washington.edu/software/cmvs/
  • Photosynth
    http://photosynth.net/
    (プログラムあり)
  • Convert Photosynth .bin to Stanford .ply v1.0.5
    http://antiverse.isa-geek.net/bintoply/
  • SynthExport
    http://synthexport.codeplex.com/
  • Scene Reconstruction from Community Photo Collections
    http://www.gris.informatik.tu-darmstadt.de/~mgoesele/CVPR2010-Course/index.html
  • 3D Shape Reconstruction from Photographs: a Multi-View Stereo Approach
    http://carlos-hernandez.org/cvpr2010/
  • Tutorial Notes: Visual 3D Modeling from Images (by Marc Pollefeys)
    http://www.cs.unc.edu/~marc/tutorial/
  • SSII2010チュートリアル「テンソルと多視点幾何 ~2視点から多視点へ~」
  • ISPRS96 Tutorial: Projective Geometry for Image Analysis (by Roger Mohr and Bill Triggs)
    http://www.cse.iitd.ernet.in/~suban/vision/tutorial/isprs96.html
  • ICRA 2003 Tutorial: Breakthroughs in 3D Reconstruction and Motion Analysis
    http://www.cs.gmu.edu/~kosecka/ICRA03/ICRA%20Tutorial%20Web%20Page.htm
  • EPIPOLAR GEOMETRY TOOLBOX v1.3 (by Gian Luca Mariottini, Domenico Prattichizzo)
    http://egt.dii.unisi.it
  • 物体追跡を作ってみる
    参考
  • Mean Shift
  • Particle Filter
  • Online Boosting
    http://mi.eng.cam.ac.uk/~tkk22/iccv09_tutorial.html
    (ICCV2009チュートリアルスライド)
  • 知識修得系
    最新のパターン認識手法を理解してみる
    CVPRやICCVなどの著名な国際学会では,新しいパターン認識手法が数々提案されています.それらをいち早く理解し,自身の研究に応用しましょう.ここでは,以下のような認識手法を考えていますが,他に理解したい手法があれば何でもOKです.(Level Set, カーネル法など)
    参考
  • Graph cut
    http://www.nsc.nagoya-cu.ac.jp/~hi/
    (CVIM,PSIVT,SSII2008チュートリアル資料)
  • Random Forests
    http://jamie.shotton.org/work/presentations/ICCV2009TutorialPartI.pptx
    http://mi.eng.cam.ac.uk/~tkk22/iccv09_tutorial.html
    (ICCV2009チュートリアル資料)
  • Local features
    http://www.vision.cs.chubu.ac.jp/SIFT/
    http://www.vision.cs.chubu.ac.jp/features/
    http://www.vlfeat.org/
  • Compressed sensing, sparse coding
    http://www.dsp.ece.rice.edu/cs
    http://igorcarron.googlepages.com/cs#reconstruction
  • Conditional Random Field (CRF)
    http://www.inference.phy.cam.ac.uk/hmw26/crf/
  • Multiple Kernel Learning (by Shogun - A Large Scale Machine Learning Toolbox)
    http://www.shogun-toolbox.org/
  • 効率アップ系
    気になるツールを使ってみる
    研究をする上で,画像データは必要不可欠です.特に物体認識は大量の画像,アノテーションデータを必要とします.それらを効率的に収集,入力するためのツールを使い,研究の効率を上げましょう.こんなツールを使いたい,など他に使いたいツールがあれば何でもOKです.
    参考
  • 画像収集&アノテーション編
    FickrのAPIを使ったツールの作成やImageNetの画像を利用,便利なAnnotationToolを使ってみる
    1. http://www.flickr.com/services/api/
    2. http://www.image-net.org/
    3. http://labelme.csail.mit.edu/
  • データセット編
    評価用の各種データセットを使ってみる
    1. The Chars74K dataset Character Recognition in Natural Images
      http://www.ee.surrey.ac.uk/CVSSP/demos/chars74k/
    2. Caltech Pedestrian Dataset
      http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/
    3. Markerless Tracking Dataset
      http://www.metaio.com/research
  • GoogleEarth/KML (+COM API)
    1. KMLリファレンス
      http://code.google.com/intl/ja/apis/kml/documentation/topicsinkml.html
    2. GoogleEarth COM API
      http://code.google.com/intl/ja/apis/kml/documentation/kmlreference.html
      http://www.kyosho.net/blog/modules/bwiki/index.php?Google%20Earth%20COM%20API
      http://earth.google.com/comapi/
  • GoogleWave (+BOT,ガジェットの作成)
    1. プレビュー公開が始まったGoogle Wave「超」入門
      http://www.atmarkit.co.jp/fwcr/rensai2/wave01/01.html
    2. GoogleWave今までのコミュニケーションツールとどう違うの? https://www.google.com/accounts/ServiceLogin?service=wave&passive=true&nui=1&continue=https%3A%2F%2Fwave.google.com%2Fwave%2F&followup=https%3A%2F%2Fwave.google.com%2Fwave%2F&ltmpl=standard