講演抄録/キーワード |
講演名 |
2018-03-18 15:20
事前分布を考慮した全天球画像の顕著性マップ推定 ○鈴木達哉・山中高夫(上智大) BioX2017-50 PRMU2017-186 |
抄録 |
(和) |
近年,人が画像を見たときに視線を向けやすい場所を画像から推定する顕著性マップ推定の課題に対して,Deep Learningを用いて高い精度の推定が可能になっている.従来,平面静止画像に対する推定が盛んに行われていたが,バーチャルリアリティへの応用を考えた全天球画像に対する推定の研究は少ない.ICME2017で全天球画像に対する顕著性マップ推定のCompetitionが開催されたが,これが全天球画像に対する顕著性マップ推定の初めての例である.本研究では,このような課題に対して,平面静止画像と全天球画像でそれぞれ中央と水平線に視線が向きやすいという性質を考慮して全天球画像の顕著性マップを推定する手法を提案する. |
(英) |
In recent years, the Deep Learning techniques have been applied to the estimation of saliency maps, which represent probability density functions of fixations when people look at the images. Although the methods of saliency-map estimation have been actively studied for planar images, the methods for omni-directional images to be utilized in virtual environments had not been proposed, until a competition of saliency-map estimation for the omni-directional images was held in ICME2017. In this paper, novel methods for estimating saliency maps for the omni-directional images are proposed considering the properties of prior distributions for fixations in the planar images and the omni-directional images. |
キーワード |
(和) |
全天球画像 / 顕著性マップ / 深層学習 / / / / / |
(英) |
Omni-directional image / Saliency map / Deep Learning / / / / / |
文献情報 |
信学技報, vol. 117, no. 514, PRMU2017-186, pp. 85-90, 2018年3月. |
資料番号 |
PRMU2017-186 |
発行日 |
2018-03-11 (BioX, PRMU) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
BioX2017-50 PRMU2017-186 |
研究会情報 |
研究会 |
PRMU BioX |
開催期間 |
2018-03-18 - 2018-03-19 |
開催地(和) |
青山学院大学 青山キャンパス |
開催地(英) |
|
テーマ(和) |
オープンイノベーション |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
PRMU |
会議コード |
2018-03-PRMU-BioX |
本文の言語 |
日本語 |
タイトル(和) |
事前分布を考慮した全天球画像の顕著性マップ推定 |
サブタイトル(和) |
|
タイトル(英) |
Saliency Map Estimation for Omni-Directional Image Considering Prior Distribution |
サブタイトル(英) |
|
キーワード(1)(和/英) |
全天球画像 / Omni-directional image |
キーワード(2)(和/英) |
顕著性マップ / Saliency map |
キーワード(3)(和/英) |
深層学習 / Deep Learning |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
鈴木 達哉 / Tatsuya Suzuki / スズキ タツヤ |
第1著者 所属(和/英) |
上智大学 (略称: 上智大)
Sophia University (略称: Sophia Univ.) |
第2著者 氏名(和/英/ヨミ) |
山中 高夫 / Takao Yamanaka / ヤマナカ タカオ |
第2著者 所属(和/英) |
上智大学 (略称: 上智大)
Sophia University (略称: Sophia Univ.) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2018-03-18 15:20:00 |
発表時間 |
25分 |
申込先研究会 |
PRMU |
資料番号 |
BioX2017-50, PRMU2017-186 |
巻番号(vol) |
vol.117 |
号番号(no) |
no.513(BioX), no.514(PRMU) |
ページ範囲 |
pp.85-90 |
ページ数 |
6 |
発行日 |
2018-03-11 (BioX, PRMU) |
|