日記、メモ、その他

最近、スマートフォンなどのカメラ画像を使った位置推定技術であるVisual Positioning Service (VPS)が少し話題になっている。 https://ai.googleblog.com/2019/02/using-global-localization-to-improve.html 基本的には、事前構築された3Dのマップとカメラ映像を対応付けて世界座標上での位置を推定する技術で、3Dのマップとの対応付けから推定された位置でSLAM(Simultaneous Localization and Mapping)などの初期化を行うことで、事前に世界座標系を基準に配置されたコンテンツをARのアプリで見ることを可能にすることができる。 このコンセプト自体は10年ほど前からあると思うけれど、実際のサービスとして展開されるのは今までなかったかもしれない。とにかく、Googleをはじめ様々な企業がVPSの技術に取り組んでいるよう。 Scape Technologies:  https://scape.io/ Huawei Cyberverse:  https://www.youtube.com/watch?v=KNKtkRMb0yw

Multi-view StereoやSLAMのアルゴリズムを評価するためのベンチマークで、一昔前のMiddlebury Stereo Benchmarkの新しい版みたいな感じ。 ETH3D Benchmark:  https://www.eth3d.net/ Middlebury Stereo Benchmark:  http://vision.middlebury.edu/stereo/ 例えば、High-resolution multi-view benchmarkのページを開いてみると、以下のようなランキングを見ることができる。 各手法をクリックすると利用された計算機の情報や使用されたプログラミング言語の情報を見ることができる。また、ソースコードを入手可能なものに関しては、そのURLが記載されている。 現状、対応点探索などの部分でDeep Learningを利用している手法はあるようだけれど、ReconstructionそのものにDeep Learningのフレームワークを利用しているものは無いように思う。この分野では、まだまだ、幾何制約をちゃんと利用した方法の方が優位だということかな。

pThreadを利用しているコードをVC++で利用したかったので、その時の方法のメモ。 今回、pThreadを利用するために、以下のコードを利用した。 https://github.com/BrianGladman/pthreads 基本的には、build.vc15の中にあるソリューションファイルを開いて、ビルドしてあげるとpthreads.libやpthreads.dllなど必要なファイルが生成される。後は、これらのファイルをリンクしてあげるとOK。 ただ、自分の環境ではwindows SDKのバージョンが8.1ではエラーが生じていたため、各プロジェクトのプロパティを開いて、Windows SDKバージョンの変更を行う必要があった。

少し前に、画像の認識・理解シンポジウムという学会の特別企画で「企業と大学、両方を経験した研究者が語る真実！ほんとにオススメなのは・・」というセッションがあった。 MIRU2019特別企画「企業と大学、両方を経験した研究者が語る真実！ほんとにオススメなのは・・」 パネリストは企業と大学の両方を経験している人たちで、以下のような感じになっていた。（現職は学会ページにあるものなのであっているとは思うけれど、前職は間違っているかも） 牛久 祥孝（東大 → オムロンサイニックエックス） 山口 光太（東北大 → サイバーエージェント） 松下 康之（Microsoft Research Asia → 阪大） 牧 淳人（東芝 → KTH） 前田 英作（NTT → 東京電機大） 鷲見 和彦（三菱電機 → 青山学院大） 村瀬 洋（NTT → 名大） 何度か転職されている方もいる。例えば、牛久さんはNTT  →  東大 → オムロンサイニックエックスだったと思う。皆さん優秀な方ばかりなので、引く手数多の方々なところは留意したい。 体感では、ここ１‐２年で大学から企業へと移る研究者が増えているように感じる。最近だと、 Acadexit とか言うらしい。観測できている範囲では、そろそろ准教授のポストが狙えるんじゃないかなという感じの助教の先生方が企業へと移っている印象がある。実際に、登壇されている牛久さんや山口さんは大学に残っていれば今頃は准教授になっていると思う。 このセッションでは、まず、各パネリストのポジショントークがあったけれど、基本的にはどの方も、「企業と大学、どちらが良いとは言えない」というようなことを仰っていた。どちらも良いところもあれば悪いところもあるというような感じ。まぁ、そうだろうなという感じだけれど、年代にもよるのかなという気がする。少なくともNTTの研究所は定年が早いこと（55歳？）もあり、その後、大学教授になる人が多いように思う。また、大学助教から企業研究者となった人と話していると、事務作業が多くなってきて研究時間の確保が難しくなってきた、という話をちらほら耳にする。結果、まだ、プレイヤーとして活動したい人達は、企業研究所にその場を求めているような印象がある。 どちらが良いかは分からないけれど、現状、パネリストの構

最近、AR（拡張現実感）、MR（複合現実感）、VR（仮想現実）の違いについて解説している以下のような記事を見かける。 ・ VR・AR・MR・SRの違いとは？それぞれの活用方法を紹介 ・ VRやARとどこが違う？ MR（複合現実）の仕組みと代表例『Microsoft HoloLens』を解説 ・ 総務省 ICTスキル総合習得プログラム （位置情報の活用とxR） これらの記事や資料の中では、「ARは基本的にスマホを使い、MRはHMDを利用する」といった説明や「ARはユーザの動きに合わせて合成されるCGなどの仮想情報を動的に提示できないが、MRはユーザの動きに合わせてCGなどの仮想情報を動的に提示できる」といったような説明がなされている。基本的には、これらの説明を受け入れるAR、MR、VRの（本物の）専門家はいないと思う。ただ、HoloLensを売っている某巨大企業の エバンジェリストとかいう人が講演 で上記のような定義を堂々としているのもあって、間違った定義が広がってしまったんじゃないかと個人的には思っている。 技術の進歩と共に、元々の定義には収まらないケースが出てくるので、基本的には拡大解釈してそれぞれの言葉を使うのは問題ないと思っているけれど、元々の定義を無かったことにして全く異なる定義を上塗りしてしまうようなことはあまり良いことでは無いと思う。 昔ながらのARの定義では、そもそも現状存在しているスマホを使ったARと呼ばれているもののほとんどはARでは無いと思う。というのも、スマホの画面とその外側はシームレスにつながっていることは無く、現実世界と仮想世界の間に断絶が起こっているからだ。こういった問題を解決しようとする研究も存在している。 Approximated User-Perspective Rendering in Tablet-Based Augmented Reality じゃあ、そもそもAR、MR、VRの違いは何なのかという話については、Milgramが提案した Reality-Virtuality Continuum が何だかんだでしっくりくるし、少なくとも学術業界では受け入れられていると思う。Reality-Virtuality Continuumのコンセプトではそれぞれの関係は以下のようになっている。 Real（現実