企業と大学はどちらが良いか？

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、パネリストの構成を見ても若手には企業の研究所の方がより魅力的に見えているように感じる。なので、今回のパネリストでも、企業から大学へ移った若手教員が一人くらいいた方がもう少しバランスが取れて良かったのかなと思った。

コメント

コメントを投稿

このブログの人気の投稿

COLMAPでキャリブレーション済みのデータを使う

イメージ
COLMAPで三次元復元を行う際に既知のカメラパラメータを利用する方法についてメモしておく。多くの場合、SfMでカメラパラメータも含めて推定することで十分だが、例えばCMUの Panoptic dataset のようにカメラキャリブレーション結果が提供されているようなものに対して、COLMAPを適用してみたい場合は提供されているカメラパラメータを利用する方が良い場合がある。実際に、Panoptic datasetでCOLMAPを実行するとマッチングが上手くいかず推定に失敗する場合が多くある。 既知のカメラパラメータを利用する方法については、COLMAPのFAQの中で回答があるので、ここにある通りにcamera.txt, images.txt, point3D.txtを準備すると良い。 Reconstruct sparse/dense model from known camera poses https://colmap.github.io/faq.html#reconstruct-sparse-dense-model-from-known-camera-poses 以下はCOLAMPで画像群を読み込み、特徴点の対応関係の取得まで終わっている（マッチング結果のデータベースhogehoge.dbがある）ことを前提としている。 camera.txtの生成 camera.txtには各カメラのカメラモデルおよびカメラ内部パラメータを記載する。フォーマットは以下の通り。 カメラID カメラモデル 解像度x 解像度y fx fy cx cy 歪パラメータ 内部パラメータの表現については利用するカメラモデルに依存するので、以下のURLを参照しながら必要に応じて使い分ける。 Camera Models https://colmap.github.io/cameras.html camera_models.h https://colmap.github.io/cameras.html image.txtの生成 image.txtには各画像に対応するカメラ外部パラメータを記載する。フォーマットは以下の通り。 画像ID qw qx qy qz tx ty tz カメラID　画像ファイル名 ここで(qw, qx, qy, qz)は3次元回転のクウォータニオン表現で(tx, ty, tz)は
続きを読む

5点アルゴリズムによるカメラ位置・姿勢の推定

2枚の画像間のカメラ位置・姿勢を推定する際に、それぞれの画像を撮影したカメラの内部パラメータが既知の場合には5点アルゴリズムが利用できる。OpenCVにも5点アルゴリズムでカメラ位置・姿勢を推定するための関数 cv::findEssentialMat が用意されている。 使い方は、対応点の座標を以下のように指定するだけ。 cv::Mat essentialMat = cv::findEssentialMat(p1, p2); ただし、デフォルトでは焦点距離1.0、画像中心座標(0, 0)で計算するようになっているので、下記のコードのように内部パラメータ行列を用いて座標変換を行うか焦点距離、画像中心座標を指定する必要がある。座標変換を行わずに利用したい場合は、焦点距離、画像中心座標を第3,4引数に設定すれば良い。 推定したEssential Matrixからカメラの並進と回転を求めるためには、 cv::recoverPose で並進ベクトルと回転ベクトルに分解することができる。 以下のように、2枚の画像から対応点を求めて、5点アルゴリズムでカメラ位置・姿勢を推定することができる。 #include <iostream> #include <vector> #include <opencv2/opencv.hpp> #include <opencv2/nonfree.hpp> int main(int argc, char** argv) {   cv::initModule_nonfree(); //モジュールの初期化   //カメラパラメータの読み込みとレンズ歪の除去   cv::Mat img1; //入力画像1   cv::Mat img2; //入力画像2   cv::Mat K;   cv::Mat distCoeffs;   cv::FileStorage fs("camera.xml", CV_STORAGE_READ);   fs["intrinsicMat"] >> K;   fs["distCoeffs"] >> distCoeffs;   cv::undistort(cv::imrea
続きを読む

2D-3D対応からのカメラ位置・姿勢の推定

画像からの三次元復元処理や拡張現実感のための位置合わせ処理において、画像を撮影したカメラの位置・姿勢が必要になることがある。ここでは、カメラの内部パラメータ（焦点距離、画像中心座標、アスペクト比など）は既知とし、カメラの外部パラメータ（並進と回転）を求める方法を紹介する。 カメラの位置・姿勢は、三次元位置が既知の点Pとその画像上での観測座標pの複数の対応から求めることが出来る。このような問題はPerspective-n-Pont Problem（PnP問題）として知られている。OpenCVにはPnP問題を解くための関数cv::SolvePnPが用意されている。この関数の入力は三次元位置が既知の点の配列(objectPoints)とその画像上での観測座標の配列(imagePoints)、カメラの内部パラメータ行列、歪係数を入力とし、カメラの外部パラメータ（回転ベクトル、並進ベクトル）を推定する。 対応点の組み合わせに誤対応が含まれている場合は、cv::SolvePnPRansacを用いることでロバスト推定手法であるRANSACを用いた誤対応の排除が可能である。 また、推定手法としてLevenberg-Marquardt法による最適化(cv::ITERATIVE)や高速な推定手法であるEPnP(cv::EPNP)を選択することができる。経験的にはcv::ITERATIVEの方が安定した推定を実現できるように思う。 さらに、回転ベクトル、並進ベクトルの初期値が得られている場合には、第7引数をtrueにし、出力用のrvec, tvecに値を設定しておくことで、最適化の際の初期値として使用することができる。拡張現実感などの場合には、直前のフレームでの推定結果などを初期値として用いることで推定結果の安定性を向上させることができる。 #include <iostream> #include <vector> #include <opencv2/opencv.hpp> void genRT(cv::Mat& rvect, cv::Mat& tvect); void getCorrespondingPairs(cv::Mat K, cv::Mat d, cv::Mat rvec, cv::Mat tvec, std:
続きを読む