SlideShare uma empresa Scribd logo
1 de 43
○田中正行
柴田剛志
奥富正敏
遠赤外線カメラと可視カメラを利用した
悪条件下における画像取得
可視光線と遠赤外線
1
380nm
可視光線 近赤外線 中赤外線 遠赤外線
780nm 2.5um 8.0um 100um
http://www.vision-sensing.jp/technology.html
可視光線 380-780nm 遠赤外線 8.0-15.0um
人による認識が容易
各種ツールの存在
霧や霞に弱い
光源が必要
人による認識が困難
解像度が低い
歪みが大きい
重要な情報(例:温度)
霧を透過する
可視光カメラと遠赤外線カメラの例
https://www.youtube.com/watch?v=6gLdDJPQQKM2
プランクの法則
高田ら,実用遠赤外線
𝐸 =
𝐶1
𝜆5(𝑒
𝐶2
𝜆𝑇 − 1)
[
W
m2
⋅ 𝜇𝑚]
E:黒体の単色放射能
λ:波長[μm]
T:絶対温度[K]
C1:定数 3.742 × 108
C2:定数 1.439 × 104
高温
低温
遠赤外線 温度
大きい 高い
小さい 低い
3
遠赤外線カメラの温度測定例
https://www.youtube.com/watch?v=zDUgzRVPKns
4
波長の長い遠赤外線は霧を透過する
霧の粒子
遠赤外線(約10μm)
可視光(数百nm)
5
ImPACT タフ・ロボティクス・チャレンジ
6
遠隔操作ロボットによる
オブジェクト取り出し実験
遠赤外線カメラによる
煙透過映像(車内)
本発表の研究の一部は, 総合科学技術・イノベーション会議により
制度設計された革新的研究開発推進プログラム(ImPACT)により,
科学技術振興機構を通して委託されたものです.
FLIR ONE
https://prod.flir.jp/flir-one/
https://www.youtube.com/watch?v=ZBEG_9jx3eU
低解像度の遠赤外線画像と
高解像度の可視画像を融合
よく見るとエッジの位置がずれている
高精度なキャリブレーションが必要
7
画像合成の必要性
8
マルチモーダル画像を合成することにより,
可視画像の認識の容易さと,
遠赤外線画像の豊富な情報提示を実現
重要な情報を迅速に認識可能
遠赤外画像可視画像 合成画像
人による認識が困難
重要な情報(例:温度)
人による認識が容易
情報が不十分
人による認識が容易
重要な情報(例:温度)
画像融合技術概要
9
画像取得 画像情報抽出 画像情報合成
遠赤外線
カメラ
可視
カメラ
画像合成
ハードウェア
アライメント
ソフトウェア
キャリブレーション
観測画像 重要度マップ 合成画像
ブレンディング
勾配ベース処理
階層型処理
コントラスト抽出
任意重要度抽出
ジョイントフィルタ
可視・遠赤外線同軸撮影システム
10
開発したカメラシステム
11
防塵性を高めるため光学窓が必須
ガラス ゲルマニウム 食品ラップ
可視光 OK NG OK
遠赤外線 NG OK OK
提案システムには食品ラップを光学窓に利用
デモビデオ
12
https://youtu.be/M-_W02-RI1Q
画像融合技術概要
13
画像取得 画像情報抽出 画像情報合成
遠赤外線
カメラ
可視
カメラ
画像合成
ハードウェア
アライメント
ソフトウェア
キャリブレーション
観測画像 重要度マップ 合成画像
ブレンディング
勾配ベース処理
階層型処理
コントラスト抽出
任意重要度抽出
ジョイントフィルタ
キャリブレーションの必要性
14
可視画像 遠赤外線画像
ハードウェアアラインメントは精度の限界がある
内部パラメータ:画角,解像度,レンズゆがみ
外部パラメータ:カメラ間の平行移動と回転
可視カメラキャリブレーション
15 https://www.vision.caltech.edu/bouguetj/calib_doc/
Zhangのキャリブレーションがデファクトスタンダード
チェッカーパターンを撮影する必要がある
可視カメラ・遠赤外線カメラ(既存)
16
S. Prakash, P. Y. Lee, T. Caelli, and T. Raupach,
Robust thermal camera calibration and 3d mapping of object surface temperatures, SPIE, 2016.
RGB画像 遠赤外画像
印刷したチェッカーパターンを白熱電球で温める
白と黒の熱特性の差により遠赤外線画像でも
チェッカーパターンを確認できる
対応点が不正確(画像がぼけている)
パターンがすぐに不鮮明になる(温度差が小さくなる)
Heated
Material
可視カメラ・遠赤外線カメラ(提案)
17
正面
側面
二層構造のキャリブレーションボードを開発
Heated
Material
Heated
可視カメラ・遠赤外線カメラ(提案)
18
正面
側面
二層構造のキャリブレーションボードを開発
Heated
Thermal emission Thermal emission
遠赤外線画像
可視カメラ・遠赤外線カメラ(提案)
19
正面
側面
二層構造のキャリブレーションボードを開発
可視画像 遠赤外線画像
対応点が正確(先鋭な画像)
長時間安定(ぼけない)
時間的な安定性
20
0 sec. 60 sec. 120 sec. 600 sec. 800 sec.
従来手法提案手法
二乗誤差[pix]
経過時間 [sec]
従来手法
(Prakashらの手法)
提案手法
長時間安定的に高精度な
対応点抽出を実現
再構成誤差による定量的精度比較
21
校正手法 可視画像 遠赤外画像
既存 2.360 [pix] 0.1841 [pix]
提案手法 0.139 [pix] 0.0676 [pix]
再投影誤差
従来手法
提案手法
○
○
再投影点分布
可視画像 遠赤外線画像 従来法に比べて
一桁程度高精度
遠赤外線画像の歪み補正結果比較
22
歪み補正前
歪み補正後(既存) 歪み補正後(提案)
提案手法を用いることにより,
レンズ歪みを高精度に補正できる
可視画像と遠赤画像を用いたデノイズ
23
可視画像にノイズを人工的に付加してデノイジング
入力可視画像
入力遠赤外線画像
既存手法
提案手法 原画像
BM3D
提案手法により高画質なデノイズ画像を生成可能
遠赤外線画像アップサンプリング
24
低解像度な遠赤外線画像を高解像度な可視画像を利用してアップサンプリング
入力可視画像
入力遠赤外線画像
既存手法
提案手法
提案手法により高画質にアップサンプリング可能
広視野遠赤外線カメラシステム
25
可視・遠赤外線パノラマシステム
26
可視
カメラ
遠赤外線
カメラ
霧透過性 × ○
解像度 ○ △
広画角 ○ △
可視
カメラ
2台の遠赤外線カメラ
可視画像
遠赤外線画像
可視・遠赤外線画像間の
高精度な位置合わせを実現
本研究で開発したキャリブレーション技術を活用
霧や煙の環境を模擬
27
広画角・高解像度の遠赤外線画像を同期取得
可視・遠赤外線画像の高精度な位置合わせを実現
霧や煙のような環境でも周囲を確認可能
遠赤外線
画像
可視
画像
4倍速再生
画像融合技術概要
28
画像取得 画像情報抽出 画像情報合成
遠赤外線
カメラ
可視
カメラ
画像合成
ハードウェア
アライメント
ソフトウェア
キャリブレーション
観測画像 重要度マップ 合成画像
ブレンディング
勾配ベース処理
階層型処理
コントラスト抽出
任意重要度抽出
ジョイントフィルタ
画像合成
29
可視画像 遠赤外線画像 合成画像
入力画像 単純重ね合わせ 勾配ベース処理
勾配ベース画像合成概要
30
入力画像 出力合成画像
x方向勾配
y方向勾配
x方向勾配
y方向勾配
勾配抽出
(微分)
勾配合成 画像再構成
(積分)
画素値調整
(後処理)
勾配ベース処理
31
勾配ベースの画像編集ツールポアソン合成HDRトーンマッピング
勾配ベース処理の基本フロー
出力画像
勾配抽出
(微分)
勾配操作
(マニピュレーション)
再構成
(積分)
画素値調整:画素値を0-255に合わせる処理.
画素値の範囲は積分するまでわからない.
入力画像
画素値調整の例
32
入力画像 処理画像
画素値×1.5
単純に定数倍すると
255の範囲を超えてしまう
リスケーリング 画素値クロッピング 提案手法
提案手法
33
出力画像
勾配抽出
(微分)
勾配操作
(マニピュレーション)
再構成
(積分)
入力画像
値域情報
𝐹 𝑢 𝑥 =
𝑑=ℎ,𝑣
𝜕 𝑑 𝑢 𝑥 − 𝑞 𝑑 𝑥 2
𝑑𝑥 + G 𝑅[𝑢(𝑥)]
𝑢 𝐱
𝑔 𝑅(𝑢 𝐱 )
𝑅 𝑚𝑖𝑛 𝑅 𝑚𝑎𝑥
固定された値域
値域を超えたら
無限大のペナルティを課す
近接勾配法(Proximal Algorithm)で最適化可能
微分を保存し,かつ
値域に収まるような
画像を出力する
デモソフトウェア
34
デモビデオ
35
T. Shibata, M. Tanaka, and M. Okutomi,
Gradient-Domain Image Reconstruction Framework with Intensity-Range and Base-
Structure Constraints, CVPR 2016
デモビデオ https://youtu.be/70aLm2zv2ao
画像融合技術概要
36
画像取得 画像情報抽出 画像情報合成
遠赤外線
カメラ
可視
カメラ
画像合成
ハードウェア
アライメント
ソフトウェア
キャリブレーション
観測画像 重要度マップ 合成画像
ブレンディング
勾配ベース処理
階層型処理
コントラスト抽出
任意重要度抽出
ジョイントフィルタ
位置ずれにロバストなジョイントフィルタ
37
T. Shibata, M. Tanaka, and M. Okutomi,
Misalignment-Robust Joint Filter for Cross-Modal Image Pairs, ICCV 2017
http://openaccess.thecvf.com/content_iccv_2017/html/Shibata_Misalignment-Robust_Joint_Filter_ICCV_2017_paper.html
ImPACT プロジェクト
38 https://www.youtube.com/watch?v=551-Ic7YZPM
画像融合技術概要
39
画像取得 画像情報抽出 画像情報合成
遠赤外線
カメラ
可視
カメラ
画像合成
ハードウェア
アライメント
ソフトウェア
キャリブレーション
観測画像 重要度マップ 合成画像
ブレンディング
勾配ベース処理
階層型処理
コントラスト抽出
任意重要度抽出
ジョイントフィルタ
ご静聴ありがとうございました!
40
田中正行 奥富正敏柴田剛志
関連発表文献
41
[1] 柴田剛志, 田中正行, 奥富正敏, 可視画像と近赤外画像の統合による画像の視認性向上 --デノイズ,デヘイズ等のさまざまな
応用に向けて--, 第21回画像センシングシンポジウム(SSII2015), pp.IS1-15-1-6, June, 2015.
[2] Takashi Shibata, Masayuki Tanaka and Masatoshi Okutomi, Unified Image Fusion based on Application-Adaptive
Importance Measure, Proceedings of IEEE International Conference on Image Processing (ICIP2015), pp.1-5, September,
2015.
[3] Takashi Shibata, Masayuki Tanaka and Masatoshi Okutomi, Versatile Visible and Near-Infrared Image Fusion based on High
Visibility Area Selection, Journal of Electronic Imaging, Vol.25, No.1, pp.013016-1-17, January, 2016.
[4] Takashi Shibata, Masayuki Tanaka and Masatoshi Okutomi, Multi-spectrum to RGB with Direct Structure-tensor
Reconstruction, Proceedings of IS&T/SPIE Electronic Imaging (EI2016), pp.DPMI-025-1-7, February, 2016.
[5] 柴田剛志, 田中正行, 奥富正敏, 自然な色味を考慮した変分ベースのマルチスペクトル画像フュージョン, 第22回画像センシ
ングシンポジウム(SSII2016), pp.SO1-IS1-08-1-8, June, 2016.
[6] Takashi Shibata, Masayuki Tanaka and Masatoshi Okutomi, Gradient-Domain Image Reconstruction Framework with
Intensity-Range and Base-Structure Constraints, Proceedings of IEEE Conference on Computer Vision and Pattern
Recognition (CVPR2016), pp.2745-2753, June, 2016.
[7] Takashi Shibata, Masayuki Tanaka and Masatoshi Okutomi, Accurate Joint Geometric Camera Calibration of Visible and
Far-Infrared Cameras, Proceedings of IS&T International Symposium on Electronic Imaging (EI2017), January, 2017.
[8] 柴田剛志, 田中正行, 奥富正敏, 可視及び遠赤外カメラの高精度同時校正とその応用, 動的画像処理実利用化ワークショップ
(DIA2017)講演論文集, March, 2017. [研究奨励賞]
[9] Takashi Shibata, Masayuki Tanaka and Masatoshi Okutomi, LWIR image visualization preserving local details and global
distribution by gradient-domain image reconstruction, Proceedings of SPIE Defense + Commercial Sensing (DCS2017), April,
2017.
関連発表文献
42
[10] Yuka Ogino, Takashi Shibata, Masayuki Tanaka and Masatoshi Okutomi, Coaxial visible and FIR camera system with
accurate geometric calibration, Proceedings of SPIE Defense + Commercial Sensing (DCS2017), April, 2017.
[11] 荻野有加, 柴田剛志, 田中正行, 奥富正敏, 防塵性を考慮した可視光・遠赤外線同軸カメラシステムの開発, 日本機械学会ロ
ボティクス・メカトロニクス講演会(ROBOMECH2017), May, 2017.
[12] 吉灘裕,横小路泰義,永谷圭司,昆陽雅司,山下淳,田中正行,大井健,ImPACT タフ・ロボティクス・チャレンジ
(TRC)建設ロボット,単腕モデルによるフィールド評価実験,日本機械学会ロボティクス・メカトロニクス講演会
(ROBOMECH2017), May, 2017.
[13] Thapanapong Rukkanchanunt, Masayuki Tanaka and Masatoshi Okutomi, Image Enhancement Framework for Low-
resolution Thermal Images in Visible and LWIR Camera Systems, Proceedings of SPIE Security + Defence 2017, September,
2017.
[14] 荻野有加, 田中正行, 柴田剛志, 奥富正敏, 複数の長波長赤外線カメラを用いた広視野カメラシステムの開発, 日本機械学会
ロボティクス・メカトロニクス講演会2018(ROBOMECH2018), pp.2A1-J06-1-3, June, 2018.
[15] 荻野有加, 田中正行, 柴田剛志, 奥富正敏,可視光・長波長赤外線カメラを用いたマルチモーダル広視野カメラシステムの
開発, 第24回画像センシングシンポジウム(SSII2018), pp.SO1-IS1-18-1-3, June, 2018.
[16] Thapanapong Rukkanchanunt, Takashi Shiabata, Masayuki Tanaka and Masatoshi Okutomi, Disparity Map Estimation
from Cross-Modal Stereo, Proceedings of 6th IEEE Global Conference on Signal and Information Processing
(GlobalSIP2018), November, 2018.

Mais conteúdo relacionado

Mais procurados

【DL輪読会】Novel View Synthesis with Diffusion Models
【DL輪読会】Novel View Synthesis with Diffusion Models【DL輪読会】Novel View Synthesis with Diffusion Models
【DL輪読会】Novel View Synthesis with Diffusion ModelsDeep Learning JP
 
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...SSII
 
モデル高速化百選
モデル高速化百選モデル高速化百選
モデル高速化百選Yusuke Uchida
 
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fieldscvpaper. challenge
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII
 
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object DetectionDeep Learning JP
 
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII
 
3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向Kensho Hara
 
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者cvpaper. challenge
 
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View SynthesisKento Doi
 
3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)Toru Tamaki
 
SfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法についてSfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法についてRyutaro Yamauchi
 
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -MPRG_Chubu_University
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Modelscvpaper. challenge
 
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィコンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィNorishige Fukushima
 
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose EstimationDeep Learning JP
 
Vision and Language(メタサーベイ )
Vision and Language(メタサーベイ )Vision and Language(メタサーベイ )
Vision and Language(メタサーベイ )cvpaper. challenge
 
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化Yusuke Uchida
 
【DL輪読会】Unpaired Image Super-Resolution Using Pseudo-Supervision
【DL輪読会】Unpaired Image Super-Resolution Using Pseudo-Supervision【DL輪読会】Unpaired Image Super-Resolution Using Pseudo-Supervision
【DL輪読会】Unpaired Image Super-Resolution Using Pseudo-SupervisionDeep Learning JP
 
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representationTakuya Minagawa
 

Mais procurados (20)

【DL輪読会】Novel View Synthesis with Diffusion Models
【DL輪読会】Novel View Synthesis with Diffusion Models【DL輪読会】Novel View Synthesis with Diffusion Models
【DL輪読会】Novel View Synthesis with Diffusion Models
 
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
 
モデル高速化百選
モデル高速化百選モデル高速化百選
モデル高速化百選
 
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
 
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
[DL輪読会]YOLOv4: Optimal Speed and Accuracy of Object Detection
 
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
 
3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向
 
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
 
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
 
3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)3次元レジストレーション(PCLデモとコード付き)
3次元レジストレーション(PCLデモとコード付き)
 
SfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法についてSfM Learner系単眼深度推定手法について
SfM Learner系単眼深度推定手法について
 
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
 
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィコンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィ
 
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
 
Vision and Language(メタサーベイ )
Vision and Language(メタサーベイ )Vision and Language(メタサーベイ )
Vision and Language(メタサーベイ )
 
モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化モデルアーキテクチャ観点からのDeep Neural Network高速化
モデルアーキテクチャ観点からのDeep Neural Network高速化
 
【DL輪読会】Unpaired Image Super-Resolution Using Pseudo-Supervision
【DL輪読会】Unpaired Image Super-Resolution Using Pseudo-Supervision【DL輪読会】Unpaired Image Super-Resolution Using Pseudo-Supervision
【DL輪読会】Unpaired Image Super-Resolution Using Pseudo-Supervision
 
20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation20190706cvpr2019_3d_shape_representation
20190706cvpr2019_3d_shape_representation
 

Semelhante a 遠赤外線カメラと可視カメラを利用した悪条件下における画像取得

光源方向推定のための構造色パターンマッチング
光源方向推定のための構造色パターンマッチング光源方向推定のための構造色パターンマッチング
光源方向推定のための構造色パターンマッチングuranishi
 
SSII2019TS: プロジェクタ・カメラシステムが変わる! ~時間同期の制御で広がる応用~
SSII2019TS: プロジェクタ・カメラシステムが変わる! ~時間同期の制御で広がる応用~SSII2019TS: プロジェクタ・カメラシステムが変わる! ~時間同期の制御で広がる応用~
SSII2019TS: プロジェクタ・カメラシステムが変わる! ~時間同期の制御で広がる応用~SSII
 
【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2Hirokatsu Kataoka
 
Autoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォーム
Autoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォームAutoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォーム
Autoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォームTakuya Azumi
 
SSII2018TS: コンピュテーショナルイルミネーション
SSII2018TS: コンピュテーショナルイルミネーションSSII2018TS: コンピュテーショナルイルミネーション
SSII2018TS: コンピュテーショナルイルミネーションSSII
 
181017 osaka-xrmeeting-lt
181017 osaka-xrmeeting-lt181017 osaka-xrmeeting-lt
181017 osaka-xrmeeting-ltJunya Ishioka
 
春の情報処理祭り 2015 [リクルートx情報処理学会] CVIM 橋本
春の情報処理祭り 2015 [リクルートx情報処理学会] CVIM 橋本春の情報処理祭り 2015 [リクルートx情報処理学会] CVIM 橋本
春の情報処理祭り 2015 [リクルートx情報処理学会] CVIM 橋本Atsushi Hashimoto
 
北海道地理空間フォーラムin札幌2018 07-18 基調講演 講演4 「すばる望遠鏡と衛星測位の精度に関連が!」三神泉氏
北海道地理空間フォーラムin札幌2018 07-18 基調講演 講演4 「すばる望遠鏡と衛星測位の精度に関連が!」三神泉氏北海道地理空間フォーラムin札幌2018 07-18 基調講演 講演4 「すばる望遠鏡と衛星測位の精度に関連が!」三神泉氏
北海道地理空間フォーラムin札幌2018 07-18 基調講演 講演4 「すばる望遠鏡と衛星測位の精度に関連が!」三神泉氏hsgk
 
先端技術とメディア表現 第2回レポートまとめ
先端技術とメディア表現 第2回レポートまとめ 先端技術とメディア表現 第2回レポートまとめ
先端技術とメディア表現 第2回レポートまとめ Digital Nature Group
 
ファインセラミックスセンター(JFCC) 概要
ファインセラミックスセンター(JFCC) 概要ファインセラミックスセンター(JFCC) 概要
ファインセラミックスセンター(JFCC) 概要yoshiyukiyasutomi
 
Deep Learningと画像認識   ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識   ~歴史・理論・実践~nlab_utokyo
 
DeepVIO: Self-supervised Deep Learning of Monocular Visual Inertial Odometry ...
DeepVIO: Self-supervised Deep Learning of Monocular Visual Inertial Odometry ...DeepVIO: Self-supervised Deep Learning of Monocular Visual Inertial Odometry ...
DeepVIO: Self-supervised Deep Learning of Monocular Visual Inertial Odometry ...harmonylab
 
Makeと半導体の過去と未来
Makeと半導体の過去と未来Makeと半導体の過去と未来
Makeと半導体の過去と未来Junichi Akita
 
アナログ回路の民主化とプロの役割
アナログ回路の民主化とプロの役割アナログ回路の民主化とプロの役割
アナログ回路の民主化とプロの役割Junichi Akita
 
落合陽一前陣速攻のスライド0131 #JILS
落合陽一前陣速攻のスライド0131 #JILS 落合陽一前陣速攻のスライド0131 #JILS
落合陽一前陣速攻のスライド0131 #JILS Yoichi Ochiai
 
ECCV読み会 "Materials for Masses: SVBRDF Acquisition with a Single Mobile Phone ...
ECCV読み会 "Materials for Masses: SVBRDF Acquisition with a Single Mobile Phone ...ECCV読み会 "Materials for Masses: SVBRDF Acquisition with a Single Mobile Phone ...
ECCV読み会 "Materials for Masses: SVBRDF Acquisition with a Single Mobile Phone ...Hajime Mihara
 
第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けて
第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けて第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けて
第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けてThe Whole Brain Architecture Initiative
 
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料SSII2014 チュートリアル資料
SSII2014 チュートリアル資料Masayuki Tanaka
 

Semelhante a 遠赤外線カメラと可視カメラを利用した悪条件下における画像取得 (20)

光源方向推定のための構造色パターンマッチング
光源方向推定のための構造色パターンマッチング光源方向推定のための構造色パターンマッチング
光源方向推定のための構造色パターンマッチング
 
SSII2019TS: プロジェクタ・カメラシステムが変わる! ~時間同期の制御で広がる応用~
SSII2019TS: プロジェクタ・カメラシステムが変わる! ~時間同期の制御で広がる応用~SSII2019TS: プロジェクタ・カメラシステムが変わる! ~時間同期の制御で広がる応用~
SSII2019TS: プロジェクタ・カメラシステムが変わる! ~時間同期の制御で広がる応用~
 
【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2
 
Autoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォーム
Autoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォームAutoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォーム
Autoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォーム
 
20150414seminar
20150414seminar20150414seminar
20150414seminar
 
SSII2018TS: コンピュテーショナルイルミネーション
SSII2018TS: コンピュテーショナルイルミネーションSSII2018TS: コンピュテーショナルイルミネーション
SSII2018TS: コンピュテーショナルイルミネーション
 
181017 osaka-xrmeeting-lt
181017 osaka-xrmeeting-lt181017 osaka-xrmeeting-lt
181017 osaka-xrmeeting-lt
 
春の情報処理祭り 2015 [リクルートx情報処理学会] CVIM 橋本
春の情報処理祭り 2015 [リクルートx情報処理学会] CVIM 橋本春の情報処理祭り 2015 [リクルートx情報処理学会] CVIM 橋本
春の情報処理祭り 2015 [リクルートx情報処理学会] CVIM 橋本
 
北海道地理空間フォーラムin札幌2018 07-18 基調講演 講演4 「すばる望遠鏡と衛星測位の精度に関連が!」三神泉氏
北海道地理空間フォーラムin札幌2018 07-18 基調講演 講演4 「すばる望遠鏡と衛星測位の精度に関連が!」三神泉氏北海道地理空間フォーラムin札幌2018 07-18 基調講演 講演4 「すばる望遠鏡と衛星測位の精度に関連が!」三神泉氏
北海道地理空間フォーラムin札幌2018 07-18 基調講演 講演4 「すばる望遠鏡と衛星測位の精度に関連が!」三神泉氏
 
先端技術とメディア表現 第2回レポートまとめ
先端技術とメディア表現 第2回レポートまとめ 先端技術とメディア表現 第2回レポートまとめ
先端技術とメディア表現 第2回レポートまとめ
 
ファインセラミックスセンター(JFCC) 概要
ファインセラミックスセンター(JFCC) 概要ファインセラミックスセンター(JFCC) 概要
ファインセラミックスセンター(JFCC) 概要
 
Ismar2014 report
Ismar2014 report Ismar2014 report
Ismar2014 report
 
Deep Learningと画像認識   ~歴史・理論・実践~
Deep Learningと画像認識 ~歴史・理論・実践~Deep Learningと画像認識 ~歴史・理論・実践~
Deep Learningと画像認識   ~歴史・理論・実践~
 
DeepVIO: Self-supervised Deep Learning of Monocular Visual Inertial Odometry ...
DeepVIO: Self-supervised Deep Learning of Monocular Visual Inertial Odometry ...DeepVIO: Self-supervised Deep Learning of Monocular Visual Inertial Odometry ...
DeepVIO: Self-supervised Deep Learning of Monocular Visual Inertial Odometry ...
 
Makeと半導体の過去と未来
Makeと半導体の過去と未来Makeと半導体の過去と未来
Makeと半導体の過去と未来
 
アナログ回路の民主化とプロの役割
アナログ回路の民主化とプロの役割アナログ回路の民主化とプロの役割
アナログ回路の民主化とプロの役割
 
落合陽一前陣速攻のスライド0131 #JILS
落合陽一前陣速攻のスライド0131 #JILS 落合陽一前陣速攻のスライド0131 #JILS
落合陽一前陣速攻のスライド0131 #JILS
 
ECCV読み会 "Materials for Masses: SVBRDF Acquisition with a Single Mobile Phone ...
ECCV読み会 "Materials for Masses: SVBRDF Acquisition with a Single Mobile Phone ...ECCV読み会 "Materials for Masses: SVBRDF Acquisition with a Single Mobile Phone ...
ECCV読み会 "Materials for Masses: SVBRDF Acquisition with a Single Mobile Phone ...
 
第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けて
第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けて第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けて
第7回WBAシンポジウム:全脳確率的生成モデル(WB-PGM)〜世界モデルと推論に基づく汎用人工知能に向けて
 
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料SSII2014 チュートリアル資料
SSII2014 チュートリアル資料
 

Mais de Masayuki Tanaka

Slideshare breaking inter layer co-adaptation
Slideshare breaking inter layer co-adaptationSlideshare breaking inter layer co-adaptation
Slideshare breaking inter layer co-adaptationMasayuki Tanaka
 
PRMU201902 Presentation document
PRMU201902 Presentation documentPRMU201902 Presentation document
PRMU201902 Presentation documentMasayuki Tanaka
 
Gradient-Based Low-Light Image Enhancement
Gradient-Based Low-Light Image EnhancementGradient-Based Low-Light Image Enhancement
Gradient-Based Low-Light Image EnhancementMasayuki Tanaka
 
Learnable Image Encryption
Learnable Image EncryptionLearnable Image Encryption
Learnable Image EncryptionMasayuki Tanaka
 
クリエイティブ・コモンズ
クリエイティブ・コモンズクリエイティブ・コモンズ
クリエイティブ・コモンズMasayuki Tanaka
 
メラビアンの法則
メラビアンの法則メラビアンの法則
メラビアンの法則Masayuki Tanaka
 
権威に訴える論証
権威に訴える論証権威に訴える論証
権威に訴える論証Masayuki Tanaka
 
Chain rule of deep neural network layer for back propagation
Chain rule of deep neural network layer for back propagationChain rule of deep neural network layer for back propagation
Chain rule of deep neural network layer for back propagationMasayuki Tanaka
 
One-point for presentation
One-point for presentationOne-point for presentation
One-point for presentationMasayuki Tanaka
 
ADMM algorithm in ProxImaL
ADMM algorithm in ProxImaL ADMM algorithm in ProxImaL
ADMM algorithm in ProxImaL Masayuki Tanaka
 
Intensity Constraint Gradient-Based Image Reconstruction
Intensity Constraint Gradient-Based Image ReconstructionIntensity Constraint Gradient-Based Image Reconstruction
Intensity Constraint Gradient-Based Image ReconstructionMasayuki Tanaka
 
Least Square with L0, L1, and L2 Constraint
Least Square with L0, L1, and L2 ConstraintLeast Square with L0, L1, and L2 Constraint
Least Square with L0, L1, and L2 ConstraintMasayuki Tanaka
 

Mais de Masayuki Tanaka (20)

Slideshare breaking inter layer co-adaptation
Slideshare breaking inter layer co-adaptationSlideshare breaking inter layer co-adaptation
Slideshare breaking inter layer co-adaptation
 
PRMU201902 Presentation document
PRMU201902 Presentation documentPRMU201902 Presentation document
PRMU201902 Presentation document
 
Gradient-Based Low-Light Image Enhancement
Gradient-Based Low-Light Image EnhancementGradient-Based Low-Light Image Enhancement
Gradient-Based Low-Light Image Enhancement
 
Year-End Seminar 2018
Year-End Seminar 2018Year-End Seminar 2018
Year-End Seminar 2018
 
Learnable Image Encryption
Learnable Image EncryptionLearnable Image Encryption
Learnable Image Encryption
 
クリエイティブ・コモンズ
クリエイティブ・コモンズクリエイティブ・コモンズ
クリエイティブ・コモンズ
 
デザイン4原則
デザイン4原則デザイン4原則
デザイン4原則
 
メラビアンの法則
メラビアンの法則メラビアンの法則
メラビアンの法則
 
類似性の法則
類似性の法則類似性の法則
類似性の法則
 
権威に訴える論証
権威に訴える論証権威に訴える論証
権威に訴える論証
 
Chain rule of deep neural network layer for back propagation
Chain rule of deep neural network layer for back propagationChain rule of deep neural network layer for back propagation
Chain rule of deep neural network layer for back propagation
 
Give Me Four
Give Me FourGive Me Four
Give Me Four
 
Tech art 20170315
Tech art 20170315Tech art 20170315
Tech art 20170315
 
My Slide Theme
My Slide ThemeMy Slide Theme
My Slide Theme
 
Font Memo
Font MemoFont Memo
Font Memo
 
One-point for presentation
One-point for presentationOne-point for presentation
One-point for presentation
 
ADMM algorithm in ProxImaL
ADMM algorithm in ProxImaL ADMM algorithm in ProxImaL
ADMM algorithm in ProxImaL
 
Intensity Constraint Gradient-Based Image Reconstruction
Intensity Constraint Gradient-Based Image ReconstructionIntensity Constraint Gradient-Based Image Reconstruction
Intensity Constraint Gradient-Based Image Reconstruction
 
Least Square with L0, L1, and L2 Constraint
Least Square with L0, L1, and L2 ConstraintLeast Square with L0, L1, and L2 Constraint
Least Square with L0, L1, and L2 Constraint
 
Lasso regression
Lasso regressionLasso regression
Lasso regression
 

遠赤外線カメラと可視カメラを利用した悪条件下における画像取得

Notas do Editor

  1. https://www.youtube.com/watch?v=6gLdDJPQQKM
  2. https://www.nippon-heater.co.jp/designmaterials/infrared/
  3. https://www.youtube.com/watch?v=zDUgzRVPKns
  4. 内閣府,首相直轄のプロジェクト
  5. https://www.youtube.com/watch?v=ZBEG_9jx3eU