基調講演
「ディジタル図形の科学」
出口光一郎 （東北大学）
 [HP] |
〈講演概要〉図形の形状を特徴付けているものは何か，特にディジタル図形について，その特徴を与える面積，線長，曲率を基礎とする形状パラメータをどのように読み取るかが，ひところ（ずいぶん前の1970～80年代）のコンピュータビジョンの主流のテーマでした．そこでの問題はほとんど解決されないまま，依然として大変面白い問題を提供し続けています．一方，現在，３Ｄビジョンが研究の主流になっていますが，この基本的なディジタル画像，ディジタル図形の扱いを間違えると，足をすくわれることになります．この両方について，何とか科学として体系化できないかと「いろいろやってみた」経験を，お話ししたいと思っています．〈略歴〉1976年東京大学工学系研究科修了（計数工学）．同年より，東京大学工学部助手，講師，山形大学工学部助教授，東京大学助教授を経て，1998年より東北大学大学院情報科学研究科教授．コンピュータビジョン，ロボットビジョン，画像計測の研究に従事．2013年，定年により退職．東北大学未来科学技術共同研究センターにおいて，非常勤にて研究を継続． |
「Visual Material Recognition」
西野恒 （Drexel University）
 [HP] |
〈講演概要〉Information regarding what an object is made of--its material--can provide crucial clues for image understanding. If a robot, for instance, detects soft dirt or a smooth metal surface ahead, it can adjust its movement in advance. Recognizing materials solely from images, however, has proven to be a difficult problem. In this talk, I will present our research geared towards visual material recognition. I will first discuss about a generative approach, in which we aim to decompose the image into its building blocks--geometry, illumination, and reflectance--so that we can later use the reflectance estimate to deduce the material. I will show how the space of real-world reflectance can be faithfully encoded with a novel reflectance model and be exploited to estimate reflectance in complex real-world environments. I will then discuss a discriminative approach in which we directly try to classify each pixel of an image into different materials. For this, we introduce a novel intermediate representation, called visual material traits, that represent the appearance of material properties like "smooth" and "shiny," and use them to recognize materials locally without any knowledge of the object. Finally, I will show some preliminary results on using material as visual context for image understanding.〈略歴〉1997年東京大学卒．1999年・2002年に同大より修士号・博士号を取得後，2002年より米コロンビア大学にてポスドク研究員として勤務．その後2005年より米ドレクセル大学准教授に着任し，現在に至る． コンピュータビジョンの中でも物体の見えのモデル化と生成，ジオメトリ，動画解析を専門とし，特に瞳の反射像に関する研究はNew York Times, Newsweek, NewScientistなど多くのメディアで取り上げられた． 2008年 NSF CAREER award 受賞． |