若手セミナー'96メモ

一日目

講演：研究の心構え

1. アプリケーション（方法が有効な用途）を明確に
2. ノーマンのインターフェースモデル
3. 認識を語る上での参考になる人々：河合隼雄、安西祐一郎
4. Marrより前の人だけど、現在のＣＶの雛形が： Azriel Rosenfield, Avinash C. Kak, "Digital Picture Processing," 1976

講演：米国流研究テーマは如何にして決めるべきか？

1. 参考にしてください： 生田哲, "サイエンティストを目指す大学院留学", アルク
2. アメリカの方法がベストとは言わないけれど、週60時間近くも研究に勤しむアメリカの大学院生に対して、そんなに勉強しない日本の大学院生が研究で張り合うのは難しいのではないか
3. 博士課程に要求される資質は、問題を設定して、解ける資質である。（プロポーサルにもっと力をいれましょう）

講演：実世界で使える画像処理

1. ＣＶの各要素技術はそれほど高度でなくても、組み合わせる際の知識を適切にすれば現実に応用できる（単体では売れないけれど‥）
2. 現実社会で通用するTips：「誤り入力の想定」「撮影環境から方式に含める」「一撃型」

二日目

講演：CVから見た画像処理

1. 画像圧縮技術における符号化にはＣＶ技術が利用されている。
2. CVの特徴量は画像のエントロピーの圧縮ともとれる
3. ソースモデルと符号化技術

   レベル	ソースモデル	符号化情報	符号化技術
   １	画素	画素輝度値	ＰＣＭ
   ２	統計的に冗長な画素	画素輝度値または画素のブロック	予測符号化、変換符号化
   ３	平行移動するブロック	ブロック内輝度値、動きベクトル	動き補償＋ＤＣＴ符号化
   ４	領域の構造	マッピングパラメータまたは形状と動き	領域・テクスチャ符号化
   ５	構造が制約された動物体	形状、動きと各物体の色（輝度値）	分析合成符号化
   ６	三次元構造が既知の動物体	形状、動きと物体の色（輝度値）	モデルベース符号化

   以上が１９９０年代半ばまでの流れである。
4. 領域分割を行う動き推定法が問う映像再構成の目的には不十分‥‥ＣＶでは研究として「葬式論文」だしておしまい
5. 動きベクトルを求めるのに最高の画像は「フラワーガーデン」（これで出なければまったく駄目）
6. MPEG4には多重階層表現(Nitzberg&Mumford, etc)、モザイキング・スプライト(Szelski, etc)が採用されて最適パラメータつけて製品化されてくるでしょう
7. 多重階層のレイヤーの生成は人手に任せる（符号化の世界では）
8. ＤＶＤでもレート制御問題が画質に大きな影響を与える（下手するとVHSより汚くなる）
9. シーンカットチェンジなどはdigital-Video作成現場では自動抽出されている
10. 質疑：ＭＤＬ基準使うことの是非：ＭＤＬ基準の導入前提が論文などではっきりされていない
11. 質疑：再利用むけ符号化？伝送量の削減？：個人的には前者、しかし商業ベースでは後者

講演：曲線と曲面の話

1. 講義の気分で喋ってみます
2. 共役勾配法：最急降下と違って、接線方向を保つ（共役）方向に解を改善
3. 曲面：全曲率とある投影面上での平面曲線の曲率との関係
4. アスペクトと余次元：
   • 余次元０：ふつう（視点をどの方向にちょっと動かしても見えかたが変わらない）
   • 余次元１：直線と一点とが重なって見えている状態（余次元０から余次元０への遷移中に現われる）
   • 余次元２：二点が重なって見えている状態（普通は観察されない）
   • 余次元３：ある特異点から視点をどう動かしても見えかたが崩れてしまう。めったにない。探すのにチョー苦労するぞ）
5. アスペクトグラフ：同一の見えかたをするノードどうしを繋いで出来るグラフの双対グラフを指す
6. 質疑：今回の話は平行投影が前提だが、透視投影でも話は通用する

講演：動画像認識におけるトップダウン解析

1. 選択的注視に基づく動作識別法の解説
2. 画像処理を簡約化しているので、ハードウェアが暇なほどリアルタイム処理できている
3. 質疑：状態遷移モデルのイベントコード次第で状態認識
4. 質疑：ドアの開閉(入退室）は注目点が重なって難しい問題
5. 質疑：複数カメラの設置が解釈のコンパクト性を高められるでしょう
6. 質疑：モデルを増やしていくと注目領域が重なっていって差分ベースで特徴抽出が重なってしまうと、学習が飽和する危惧は確かにある。ただ、これは特徴抽出にさらに別のを用意したりすれば容易に回避できると考えられる。
7. 質疑：トップダウン・ボトムアップを言うなら、学習を動的にして更新していく方向性に進むの？‥‥まずは学習フェーズ・認識フェーズを分けて収束性等の考察に取り組んでいく。

昼食はオーシャン４５の隣のパラダイスガーデンで食べた。シュロスコを食べましょうという長野さんの意見につられて１０人以上がいつもはスカスカの巡回バスにぎゅうぎゅうに乗って行ったのだけれども、いってみると昼はシュロスコはやっていないという話で、残念。でも、宮崎が発祥の地というチキン南蛮を食べられたので満足。

その後、私と九大の有田くん、米元くんと３人で青島へ。

青島の洗濯岩はなかなか壮観だった。横の砂浜はよく締まっていて、車でも走れそうだったが有田くんに拒否された。車は有田くんのだったのだ。帰りに、なぜか青島名物のういろうを買った。織田信長の残党がここまで流れ着いてういろう作りでも始めたのだろうか？ちなみに、部屋に持って帰って晩に食べようとしたら、同部屋のＹさんが包み紙を見て「宮川ろう」と読んでました。人間の認識能力って偉いのだか、なんだか‥‥

パネル討論１：私にポリシーはある

1. 和田：はやりそうな一例には「Multi Agent on CV」なんかがありそう。チューリングマシンを複数合わせたら違うものになるんでは？（原理的にはチューリングマシンに見えるとしても）
2. 上田：Multi Agentには人間要素を含めるべきでしょう

パネル討論２：流行に流された研究はダメ

1. 技術流行：
   • task based vision and view based vision、versatile structure based schemes (image compression)
   • Projective Reconstruction(in E.U. also by MIRU Kinoshita, Deguchi-Lab Satoh)
   • Multi-template、固有空間法、Neo-cognitron(in the future?)
   • Voting algorithm (Geomtric hashing etc)、Appearance based vision、
   • 映像インデクシング(東大生研、日立中研、NTT-HI、北大、アメリカも追随)、認知科学（人間のハンドリングをもとにしたさらなるインデクシング：知能情報メディア研究会）
2. ＳＮで比較評価するけれど、研究するときにはＳＮを上げるだけではだめなんではないかというジレンマ

三日目

雑談発表会

その他のグループでもいろいろ話がでたようです。全部は書き留められないので、一部だけです。ただ、前回のように発表に対する優秀賞などがなかったので、期待していた私はちょっと拍子抜けでした。

• Ａ班（杉山・静岡大）：ポリシー（新規性，目的の提示）についての論議。通りやすい論文といい論文は異なるのか。基本問題（モデリング・マッチング・セグメンテーション）が何かについての話。知識の体系化がなされていない。‥‥「わかりやすい」論文は通りやすい。カテゴリー空間と画像空間との間の探索問題。
• Ｂ班（倉田・電総研）：役に立つ研究は、福祉関連や実用的なタスクの達成かな？それを論文のレベルにするには、限定条件を明確にして適用範囲を決めると、論文として有用性がなくて評価されない、てことになるのじゃないかなという危惧がしている。完全にはできないことを認識しよう。画像メディアの処理技術の重要性から考えると、多様な観点からの評価が重要で、標準データベースがいるのではないか。一般へのデモの積極的展開をしてみんなに判断を仰ぐのもいいかな。
• Ｃ班（矢田・富士ゼロックス）：問題解決より疑問を抱えてみんな帰っていくんではないか。ＣＶはいるのか？画像はメディアとは限らないのでは（メディアな画像も勿論あるけれど）。ＣＶに壁があるので危機感があって、それがニューフロンティアに向かわせるのか。３０才以上の言葉は信じちゃだめよ。
• Ｄ班（今尾・京大）：人間の視覚の解明。コンピュータで閉じたシステムに対する、人間を介在させインタラクションを前提にしたシステム。インタラクションにおいて、ＣＶは（コンピュータ）はユーザを知らなくてはいけない。人間を超える視覚を目指し、さらに人間を補佐する視覚を目指す。
• Ｆ班（有田・九大）：コンピュータ（ＣＶ）に優しい環境つくってＣＶはいらない。やりすぎると人間に優しくない社会になってしまう。個々に特化した(task oriented)問題設定では、ＣＶでなければならない問題とそうでない問題とがはっきりしてくるのではないか。

• グループ討論の結果をもっとお互い早く知りたかった。そうすれば、議論が拡大できたのにね。
• 計測やロボット、ＡＩにも視野を広げたほうがいいよ。志が高まったのなら、それを持ち続けてね。