Imagire Day CEDEC 2009続・レンダリスト養成講座 田村 尚希 川瀬 正樹 シリコンスタジオ株式会社.

Slides:



Advertisements
Similar presentations
果物識別 補足資料 1. やりたい事  入力された画像内に映っている果物が何かを自動判 別するプログラムを組むこと 識別器 りんご です.
Advertisements

画像処理 05A1027 後藤航太. 研究課題は openLDAP についてでしたが 今回から画像処理に変更しました。 変更した理由 自分が持っていたイメージと実際の openLDAP が違ったので変更を決 めま した。 画像処理に興味を持ったので これからは画像処理を研究課題として やっていきます。
Mathematica による固有値計算の高速化 Eigenvalue calculation speed by Mathematica 情報工学部 06A2055 平塚翔太.
地図の重ね合わせに伴う 位相関係の矛盾訂正手法 萬上 裕 † 阿部光敏* 高倉弘喜 † 上林彌彦 ‡ 京都大学工学研究科 † 京都大学工学部 * 京都大学情報学研究科 ‡
1 線形代数学. 2 履修にあたって 電子情報システム学科 必修 2005 年度1セメスタ開講 担当 草苅良至 (電子情報システム学科) 教官室: G I 511 内線: 2095 質問等は上記のいずれかに行なうこと。 注意計算用のノートを準備すること。
陰関数定理と比較静学 モデルの連立方程式体系で表されるとき パラメータが変化したとき 如何に変数が変化するか 至るところに出てくる.
ファーストイヤー・セミナーⅡ 第13回 2次元グラフィックス(1). 2次元グラフィックス Ultra-C では、これまで利用してきた「標準入出力」 以外に「グラフィックス画面」があり、図形などを 表示できる C 言語のグラフィックスには細かな規定がなく、こ れから学ぶ内容が他の環境、システムでは利用でき.
ゲーム開発者向け最新技術論文の解説・実装講座
第9回放送授業.
2行+αチョンプに関する考察 京都大学 ○後藤順一 伊藤大雄.
3次元nクイーン問題の 解に関する研究 論理工学研究室 伊藤精一
プログラミング演習3 李 亜民クラス 第2回 ラスタライズ.
点対応の外れ値除去の最適化によるカメラの動的校正手法の精度向上
高度情報演習1A “テーマC” 実践 画像処理プログラミング 〜画像認識とCGによる画像生成〜 第四回 演習課題 画像中からの物体抽出処理(背景情報を手がかりとして) 芝浦工業大学 工学部 情報工学科 青木 義満 2006/05/15.
パノラマ動画像モデルによる 仮想空間表現システムの研究
ロボットビジョン(ロボットの視覚能力)のための デジタル画像処理
「わかりやすいパターン認識」 第1章:パターン認識とは
・力のモーメント ・角運動量 ・力のモーメントと角運動量の関係
楕円曲線暗号における マルチスカラー倍算の前計算での モンゴメリトリックの使用
エッジの検出 画像中に表示された物理の輪郭(エッジ(edge))や線では、一般的に濃淡が急激に変化しており、これらは画像中のなんらかの構造を反映していることが多い このようなエッジや線の検出処理は、画像理解や認識のための前処理として重要である   差分型によるエッジ検出   零交差法によるエッジ検出.
大阪工業大学 情報科学部 情報システム学科 宇宙物理研究室 B 木村悠哉
DARTs: Efficient scale-space extraction of DAISY keypoints
プログラムNo.:論文タイトル 氏名1(所属1),氏名2(所属2),…
高山建志 五十嵐健夫 テクスチャ合成の新たな応用と展開 k 情報処理 vol.53 No.6 June 2012 pp
階層的境界ボリュームを用いた 陰関数曲面の高速なレイトレーシング法
金沢大学 工学部 情報システム工学科3年 岩淵 勇樹
データの可視化 ~高次元データを見る~ 三枝 亮 (早稲田大学).
市場調査の手順 問題の設定 調査方法の決定 データ収集方法の決定 データ収集の実行 データ分析と解釈 データ入力 データ分析 報告書の作成.
脳活動に関するデータ データの種類 データの特徴 脳波・脳磁図・fMRI画像 脳活動とパフォーマンスの関係はきわめて冗長。
スペクトル・時系列データの前処理方法 ~平滑化 (スムージング) と微分~
果物識別 マハラノビス距離を求める.
線形フィルタと畳み込み積分 マスクによる画像のフィルタリング 1.入力画像中の関心の画素のまわりの画素値
発表日:平成15年4月25日 担当者:時田 陽一 担当箇所:第3章 誤差評価に基づく学習 3.1 Widrow-Hoffの学習規則
オーサリングツール&ブラウザの 技術的トピック
顔部品の検出システムの構築 指導教員 廉田浩 教授 1DS04188W  田中 甲太郎.
高次元データの解析 -平均ベクトルに関する検定統計量の 漸近分布に対する共分散構造の影響-
内視鏡画像からの奥行き情報提示による 視覚支援システムの開発
エッジの検出 画像中に表示された物理の輪郭(エッジ(edge))や線では、一般的に濃淡が急激に変化しており、これらは画像中のなんらかの構造を反映していることが多い このようなエッジや線の検出処理は、画像理解や認識のための前処理として重要である   差分型によるエッジ検出   零交差法によるエッジ検出.
CGと形状モデリング 授業資料 長井 超慧(東京大学)
第25章 単一始点最短路 3節 Bellman-Fordのアルゴリズム
決定木とランダムフォレスト 和田 俊和.
OpenGLライブラリを用いた3次元フラクタルの描画
Curriki原典
画像処理③ 05A1027  後藤航太.
高度情報演習1A “テーマC” 実践 画像処理プログラミング 第六回 最終課題 画像処理による動物体自動抽出、モーションキャプチャ
知能システム論I(13) 行列の演算と応用(Matrix) 2008.7.8.
CAD曲面 東京大学 精密工学専攻 大竹豊 資料および授業の情報は :
内視鏡画像からの奥行き情報提示による 視覚支援システムの開発
計算量理論輪講 chap5-3 M1 高井唯史.
2つの平行光の観測による 内部カメラパラメータの安定なキャリブレーション
変換されても変換されない頑固ベクトル どうしたら頑固になれるか 頑固なベクトルは何に使える?
階層的境界ボリュームを用いた 陰関数曲面の高速なレイトレーシング法
SURF+BoFによる特定物体認識 卒業研究1 1 11/27/11.
部分的最小二乗回帰 Partial Least Squares Regression PLS
文化財のデジタル保存のための 偏光を用いた透明物体形状計測手法
SIFTとGraph Cutsを用いた 物体認識及びセグメンテーション
2007年度 長岡オープンハウス クロマキー合成 小山高専 電子制御工学科4年                       針谷 尚裕.
第3章 線形回帰モデル 修士1年 山田 孝太郎.
自己組織化マップ Self-Organizing Map SOM
Handel-Cを用いた パックマンの設計
「ICAによる顔画像特徴量抽出とSVMを用いた表情認識」
第9章 学習アルゴリズムとベイズ決定側 〔3〕最小2乗法とベイズ決定側 発表:2003年7月4日 時田 陽一
プログラムNo.:論文タイトル(必ず書いてください)
最小二乗法による線形重回帰分析 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
実験計画法 Design of Experiments (DoE)
モデルの微分による非線形モデルの解釈 明治大学 理工学部 応用化学科 データ化学工学研究室 金子 弘昌.
回帰分析入門 経済データ解析 2011年度.
VB6.0でグラフを書こう(とりあえず2次元)
サンプル見出し テキスト 1 行目 テキスト 2 行目 テキスト 3 行目 (中級) 図の背後でタイトルを移動させるアニメーション効果
市松模様を使用した カメラキャリブレーション
Presentation transcript:

Imagire Day CEDEC 2009続・レンダリスト養成講座 田村 尚希 川瀬 正樹 シリコンスタジオ株式会社

Imagire Day 本セッションの流れ 後半発表者: 川瀬 前半発表者: 田村

Imagire Day 発表の流れ 1. 発表の概要 2. 論文紹介 「 Line Drawing via Abstracted Shading 」 3. 発表のまとめ

Imagire Day 発表の流れ 1. 発表の概要 2. 論文紹介 「 Line Drawing via Abstracted Shading 」 3. 発表のまとめ

Imagire Day Line Drawing via Abstracted Shading 紹介論文 : 1.1 発表の概要 [Lee et al. SIGGRAPH 2007] 当初、今年の SIGGRAPH の NPR の論文紹介しようと 思いましたが、ゲーム向きじゃなかったので止めま した。

Imagire Day 1.2 手法の概要 (1/3) NPR において : 山・谷線、折り目線、輪郭線を統一的に描画できる 手法 手法の特徴 入力画像結果画像

Imagire Day 1.2 手法の概要 (2/3) 動画 :

Imagire Day 1.2 手法の概要 (3/3) 手法の長所 完全な 2 次元処理 2D 静止画 / レンダリングした 3D シーン両方対応可 メッシュに特殊なデータを仕込んだりは不要 ラインの太さは可変 単純な Sobel Filter などでは不可能 大元となるアルゴリズムに応用の余地がある SSAO, Tone Map, …. 手法の短所 少々計算時間がかかる 3D シーンに適用すると、結果が視点依存 エイリアシングが発生する

Imagire Day 発表の流れ 1. 発表の概要 2. 論文紹介 「 Line Drawing via Abstracted Shading 」 3. 発表のまとめ

Imagire Day アルゴリズム全体像 ライティン グ 結果画像トゥーン シェーディン グ 入力メッ シュ トゥーンシェーディ ング 特徴線抽出 ガウシアン フィルタリン グ

Imagire Day 2.1 キーアイディア (1/3) 手順 1 : {(描きたい線の太さ) / 2 }の 間隔で 3×3 のサンプル点を配置する 手順 2 : 色の濃さを高さとしたハイト マップを 構築 手順 3 : ハイトマップを放物面で近似

Imagire Day 2.1 キーアイディア (2/3) 手順 1 : {(描きたい線の太さ) / 2 }の 間隔で 3×3 のサンプル点を配置する 手順 2 : 色の濃さを高さとしたハイト マップを 構築 手順 3 : ハイトマップを放物面で近似 手順 4 : 頂点・曲率・曲線方向を計算

Imagire Day 2.1 キーアイディア (3/3) 手順 1 : {(描きたい線の太さ) / 2 }の 間隔で 3×3 のサンプル点を配置する 手順 2 : 色の濃さを高さとしたハイト マップを 構築 手順 3 : ハイトマップを放物面で近似 手順 4 : 頂点・曲率・曲線方向を計算 手順 5 : 頂点・曲率・曲線方向から色の 補正 係数を計算

Imagire Day 特徴線抽出手順 特徴線抽出ガウシアン フィルタリン グ 放物面近似色の補正 係数計算 頂点・曲率・ 曲線方向計算

Imagire Day 特徴線抽出手順 特徴線抽出ガウシアン フィルタリン グ 放物面近似色の補正 係数計算 頂点・曲率・ 曲線方向計算

Imagire Day 放物面近似 (1/4) 放物線 : を線形システムを用いて求め る の

Imagire Day 放物面近似 (2/4) 放物線 : を線形システムを用いて求め る の という線形システムを解けば 良い

Imagire Day ⇒ X は正方行列でないため逆行列は計算不可能 放物面近似 (3/4) 放物線 : を線形システムを用いて求め る の で求められる ? という線形システムを解けば 良い

Imagire Day 放物面近似 (4/4) 放物線 : を線形システムを用いて求め る の ⇒ 疑似逆行列 X + を用い て と計算可能 で求められる ? ⇒ X は正方行列でないため逆行列は計算不可能 という線形システムを解けば 良い 最小二乗法の解と一致する

Imagire Day ローカル座標系で定義することで X を共通化 放物面近似の計算手順 (1/11) 手順 1 : X を計算する 前計算 描画処理

Imagire Day ローカル座標系で定義することで X を共通化 放物面近似の計算手順 (2/11) 手順 1 : X を計算する 前計算 描画処理

Imagire Day ローカル座標系で定義することで X を共通化 放物面近似の計算手順 (3/11) 手順 1 : X を計算する 前計算 描画処理

Imagire Day ローカル座標系で定義することで X を共通化 放物面近似の計算手順 (4/11) 手順 1 : X を計算する 前計算 描画処理

Imagire Day ローカル座標系で定義することで X を共通化 放物面近似の計算手順 (5/11) 手順 1 : X を計算する 前計算 描画処理

Imagire Day ローカル座標系で定義することで X を共通化 放物面近似の計算手順 (6/11) 手順 1 : X を計算する 前計算 描画処理

Imagire Day ローカル座標系で定義することで X を共通化 放物面近似の計算手順 (7/11) 手順 1 : X を計算する 前計算 描画処理

Imagire Day 放物面近似の計算手順 (8/11) 手順 1 : X を計算する 前計算 描画処理 手順 2 : X + = (X T X) -1 X T を計算する 描きたい線の太さにのみ依存 ローカル座標系で定義することで X を共通化

Imagire Day 放物面近似の計算手順 (9/11) 手順 3 : X + を Pixel Shader の Uniform 変数 に設定する 手順 4 : Pixel Shader で近傍のサンプル点 をフェッチし、 T を構築する 前計算 描画処理 手順 1 : X を計算する 手順 2 : X + = (X T X) -1 X T を計算する 描きたい線の太さにのみ依存 ローカル座標系で定義することで X を共通化

Imagire Day 放物面近似の計算手順 (10/11) 手順 1 : X を計算する 手順 2 : X + = (X T X) -1 X T を計算する 手順 3 : X + を Pixel Shader の Uniform 変数 に設定する 手順 4 : Pixel Shader で近傍のサンプル点 をフェッチし、 T を構築する 手順 5 : X + T を計算して A を求める 描きたい線の太さにのみ依存 ローカル座標系で定義することで X を共通化 前計算 描画処理

Imagire Day 放物面近似の計算手順 (11/11) 手順 3 : X + を Pixel Shader の Uniform 変数 に設定する 手順 4 : Pixel Shader で近傍のサンプル点 をフェッチし、 T を構築する 手順 5 : X + T を計算して A を求める 前計算 描画処理 手順 1 : X を計算する 手順 2 : X + = (X T X) -1 X T を計算する 描きたい線の太さにのみ依存 ローカル座標系で定義することで X を共通化

Imagire Day 特徴線抽出手順 特徴線抽出ガウシアン フィルタリン グ 放物面近似色の補正 係数計算 頂点・曲率・ 曲線方向計算

Imagire Day 放物面の頂点 放物線 : 放物線の頂点 :

Imagire Day 放物面の主曲率・曲線方向 放物線 : 主曲率の絶対値が小さい組が尾根線 主曲率 : 曲線方向 : 主曲率 : 曲線方向 : 山は主曲率が負、谷は主曲率が正

Imagire Day 放物面の主曲率・曲線方向 放物線 : 主曲率 : 曲線方向 : 主曲率 : 曲線方向 : 主曲率の絶対値の小さい 組 : 主曲率の絶対値の大きい 組 :

Imagire Day 特徴線抽出手順 特徴線抽出ガウシアン フィルタリン グ 放物面近似色の補正 係数計算 頂点・曲率・ 曲線方向計算

Imagire Day 2.4 色の補正係数 (1/5) 山線・谷線への距離による係数 : S d (0.0 ~ 1.0) 曲率の大きさによる係数 : S C (0.0 ~ 1.0) 曲面の種類による補正 : S 山線・谷線に近いほど値が大きい 放物面の曲率が大きいほど値が大きい 山は明るく、谷は暗く色を変 化 山の場合 ( α l が負 ) 谷の場合 ( α l が正 )

Imagire Day 2.4 色の補正係数 (2/5) 山線・谷線への距離による係数 : S d (0.0 ~ 1.0) 曲率の大きさによる係数 : S C (0.0 ~ 1.0) 曲面の種類による補正 : S 山線・谷線に近いほど値が大きい 放物面の曲率が大きいほど値が大きい 山は明るく、谷は暗く色を変 化 山の場合 ( α l が負 ) 谷の場合 ( α l が正 ) S を乗算

Imagire Day 2.4 色の補正係数 (3/5) 山線・谷線への距離による係数 : S d (0.0 ~ 1.0) 曲率の大きさによる係数 : S C (0.0 ~ 1.0) 曲面の種類による補正 : S 山線・谷線に近いほど値が大きい 放物面の曲率が大きいほど値が大きい 山は明るく、谷は暗く色を変 化 山の場合 ( α l が負 ) 谷の場合 ( α l が正 ) SdSd d {LineWidth / 2}

Imagire Day 2.4 色の補正係数 (4/5) 山線・谷線への距離による係数 : S d (0.0 ~ 1.0) 曲率の大きさによる係数 : S C (0.0 ~ 1.0) 曲面の種類による補正 : S 山線・谷線に近いほど値が大きい 放物面の曲率が大きいほど値が大きい 山は明るく、谷は暗く色を変 化 山の場合 ( α l が負 ) 谷の場合 ( α l が正 ) SCSC |α l | C min C max

Imagire Day 2.4 色の補正係数 (5/5) 山線・谷線への距離による係数 : S d (0.0 ~ 1.0) 曲率の大きさによる係数 : S C (0.0 ~ 1.0) 曲面の種類による補正 : S 山線・谷線に近いほど値が大きい 放物面の曲率が大きいほど値が大きい 山は明るく、谷は暗く色を変 化 山の場合 ( α l が負 ) 谷の場合 ( α l が正 ) S を乗算

Imagire Day 2.5 まとめ・考察 (1/2) まとめ 1. 各ピクセルで、近傍の色情報の放物面近似に よって自分が山・谷に居るのかを判断 山に居る場合は色を明るく、谷に居る場合は色 を暗く変化させる 2. 放物面の係数から、放物面の曲率や山・谷線方 向といった付加情報を計算可能 3. 山・谷線に近いほど、また、曲面の曲率が大き いほど大きく色を変化させる

Imagire Day 2.5 まとめ・考察 (2/2) 考察 1. 山・谷の区別だけではなく、曲率や山・谷線方 向を導出し、レンダリングに反映させている点 は面白い 2. 現在は二次元処理なので、三次元情報を上手く 利用すれば、結果の向上が図れるかも 3. 近傍の色情報の放物面近似は、 SSAO やトーン マップにも応用可能かも

Imagire Day 発表の流れ 1. 発表の概要 2. 論文紹介 「 Line Drawing via Abstracted Shading 」 3. 発表のまとめ

Imagire Day 3 発表のまとめ 紹介論文 : Line Drawing via Abstracted Shading [Lee et al. SIGGRAPH 2007]

Imagire Day 3 発表のまとめ 著作権について 本スライド内で引用した論文の図・動画 の 著作権は全て論文著者に帰属します その他の図・スライド本体・挿絵等の著作 権は 株式会社シリコンスタジオに帰属します

Imagire Day 最後に 御清聴ありがとうございまし た

Imagire Day 本セッションの流れ 後半発表者: 川瀬 前半発表者: 田村