1. ICCV 祭り発表資料 Multimodal Templates for Real-Time Detection of Texture-less Objects in Heavily Cluttered Scenes S. Hinterstoisser, S. Holzer , C. Cagniart, S. Ilic, K. Konolige, N. Navab, V. Lepetit 東京大学 國吉・原田研 博士 2 年 金崎朝子 第 18 回コンピュータビジョン勉強会＠関東

4. : のリスト 輝度勾配 in カラー画像 法線 in デプス画像 テンプレート : 参照画像 : モダリティ（輝度勾配と法線） : 際立ってる点 輝度勾配テンプレートマッチングと法線テンプレートマッチングを並列に行い、最後に類似度を足してるだけ

5. 輝度勾配 in カラー画像 法線 in デプス画像 テンプレート Normalized gradient map グレースケール 輝度勾配 RGB カラー 輝度勾配 カラー画像

6. 輝度勾配 in カラー画像 法線 in デプス画像 テンプレート デプス画像 法線画像 Stefan 1 三次元座標 視線 デプス 法線： テイラー展開

7. 輝度勾配 in カラー画像 法線 in デプス画像 テンプレート 論文中、 Fig.2 のキャプションの最後 gradients are usually found on the object contour while surface normals are found on the object interior （意訳）テクスチャレスな物体を表現するのに 表面形状の情報（法線）で補おう

12. 効率化１： Response Maps を事前に準備 （多重） テンプレート テスト画像 例１： Sim( , ) = max(|cos( - )|, |cos( - )|, |cos( - )|) = |cos( - )| = 1 例２： Sim( , ) = max(|cos( - )|, |cos( - )|, |cos( - )|) = |cos( - )| = 0.7 … Response Map 1 1 1 0 0 1 1 1 0.7 0.7 1 1 1 0.7 0.7 0.7 0.7 0.7 0.7 0.7 0 0.7 0.7 0.7 0 ori ori 0 0 0 0 0 0.7 0.7 0.7 0.7 0.7 0.7 0.7 1 1 1 0.7 0.7 1 1 1 0 0.7 1 1 1

13. 効率化２： Response Maps を linear memory に展開 T プロセッサは cache line を使って同時に複数のデータを読んでいる T ： テンプレートを spreading する幅 ⇒ T ピクセル毎にスライディングウィンドウができる

14. 効率化２： Response Maps を linear memory に展開 Similarity Map

15. 効率化２： Response Maps を linear memory に展開 LINEearizing the memory ＋ multiMODal || LINE-MOD Similarity Map

16. ROC カーブ LINE-MOD と LINE-2D ※ PAMI の。

17. ROC カーブ LINE-MOD と LINE-2D ※ PAMI の。

18. can parse a VGA image with over 3000 templates with about 10 fps on the CPU オクルージョンはやはり問題 類似度が線形に落ちてくのはよいこと

19. 姿勢推定も← New!