FC2ブログ

三次元映像のフォーラム (21)

本日(2018年2月28日)は、3Dフォーラム・第123回研究会です。私も出席いたします。以下、会員宛案内の抜粋です。

(ここから)--------------------------------------------------

◎研究会 日時:2018年 2月 28日(水) 13:00 ~ (17:00)
 会場: 東京大学本郷キャンパス 工学部 2号館4階 242講義室
 後援:株式会社フォーラムエイト,一般財団法人 最先端表現技術利用推進協会(表技協)
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
【プログラム】 12:30 受付開始
13:00 3D フォーラム代表幹事挨拶 佐藤 誠(東京工業大学名誉教授)
13:05 特別講演 「メディアとしての画像と空間を再考する」原島 博(東京大学 名誉教授)
14:00 3D フォーラムの新たな活動について 佐藤代表,桑山(3D フォーラム事務局代行)
14:20 講演1「ホログラフィから空間映像まで・実世界の Part としての映像」石川 洵(石川光学造形研究所)
15:00 チュートリアルチュートリアル「空中に生じる像を理解する基礎」桑山哲郎(3Dフォーラム)
15:30より 241講義室で公開についての説明聴講
15:45より 苗村研究室公開に合流 (~18:30 頃まで)

(ここまで)--------------------------------------------------
スポンサーサイト

Introduction to Algorithms (8)

"Introduction to Algorithms 3rd edition (2009)"、ひととおりさらいました。1292ページの大著なので、全てきちんと読んでいるわけではなく、飛ばし読みですが、少なくともページは全てめくりました。

知らないものも多々ありましたので、たいへん勉強になりました。

英語は平易に書かれてありますので、どなたでも読めると思います。翻訳も出ているようですが、ぜひ原書にチャレンジされてください。ペーパーバックで軽いので、持ち運びもできます。

LSIの配線問題

情報処理学会誌2018年3月号の小特集は、「LSIの配線問題」。懐かしいな~と思いながら読みました。

私は新卒で入社した会社で、この問題に取り組みました(LSIではなく、プリント基板(PCB)だった)。記事の参考文献に、C.Y.Lee氏の「迷路法」が挙げられていましたが、もちろん読みました。当時はこのような論文は、国会図書館に行ってコピーしました。ネットがなかった時代です。

関連文献は、ほぼ英語のものしかなかったので、英語論文を読む習慣が普通について、現在に至っています。誤解を恐れずに言えば、英語の文献のほうが、論理構造がしっかりしているので、日本語よりも読みやすい(言語の問題というよりも、書き手の問題?)。

さて、「配線問題」ですが、これは難問で、いろいろと試行錯誤して、その過程でさまざまなアルゴリズムを習得しました(特にグラフ理論)。4年弱の短い期間でしたが、私のエンジニアとしての基礎は、この問題に取り組むことで培われたと言えます。

いまこの問題にも機械学習が取り入れられているようですね。当時のAI技法はIBMが牽引していて、それらの論文も読んだ記憶があります。

今後のマラソン予定 (31)

予定のアップデートです!

1)第7回早春の神戸六甲縦走トレイルラン2018(40キロ、兵庫、2018年3月10日)←初、単独
2)軽井沢ハーフマラソン2018(ハーフ、長野、2018年5月20日)←4年連続5回目、連れと
3)横浜マラソン2018(フル、神奈川、2018年10月28日)←初、連れと

3)は、昨年台風でキャンセルとなったので、優先枠で申し込みました。料金はちゃんとかかります。

1)のために、トレラン用シューズを買いました。

平昌オリンピック (3)

平昌オリンピック、女子団体パシュート(team pursuit)、日本が金メダルを獲りました!

これも予想されたことではありますが、これまでの努力はすばらしいものがありました。これを知ったのは、確かNHKの番組でしたが、オランダ人監督が、さまざまな策を編み出し、記録を限界まで伸ばしていったわけです。

ソチではオランダに完敗した日本。見事すぎる逆転劇でありました。

Deep Learning (14)

Ian Goodfellow , Yoshua Bengio , Aaron Courville
Deep Learning (Adaptive Computation and Machine Learning series) 2016.

第6章は、feedforward networkのおさらいです。もう知っていると言うなかれ。必ず新しい知見が得られます。

167ページに、有名な「XOR学習」の話題が提供されています。隠れ層のないNNでは、これは学習できない。よく知られた話です。なので、ここでの記述は、以下のように結果だけです。

After solving the normal equations, we obtain w = 0 and b = 1/2. The linear model simply outputs 0.5 everywhere.

この事実を実際に確かめたい人は、以下のようにします。まず、計画行列(design matrix)は、

Φ = {{1, 0, 0}, {1, 0, 1}, {1, 1, 0}, {1, 1, 1}} --- (1)

出力は、XORなので、

y = {{0}, {1}, {1}, {0}} ---(2)

Mathematicaで試したので、その記法となっています。これを解くと、

(b, w) = (ΦTΦ)-1ΦTy = {{1/2}, {0}, {0}} --- (3)

が得られました。

AIとVR

私がなぜか<ゲストエディタ>を務めます、日本VR学会論文誌のCFPが公開されたので、そのコピペをいたします。ぜひともご投稿ください!<ゲストエディタ>は、第20巻2号に続いて三度めです。

(ここから)--------------------------------------------------

■■■VRSJ Transactions 2018_0214==================================

          VR学会論文誌 第23巻第4号
           「AIとVR」特集 論文募集

=============================================================■■■
※一般論文は随時受付しております.

投稿申込締切:2018年5月28日(月)
論文提出締切:2018年6月4日(月)

掲載巻号:第23巻第4号(2018年12月末発行)

【テーマ】
AIとVR

【募集要項】
 近年,深層学習の登場によりAIが注目されています.AIは過去に何度もブームが訪れていますが,最近の成果には目を見張るものがあります.
 例えば,将棋や囲碁などでトップ棋士を打ち負かす,強化学習によりビデオゲームの攻略方法を自分で生み出す,音声認識や画像認識の精度向上など,様々な成果が出ています.また,著名なオンラインゲームであるStarCraft IIでAI研究をサポートするAPIが公開されるなど,研究環境も向上しています.
 VRにおいても,こうしたAI研究成果の利用や連携は,将来は不可欠になると予想されます.例えば,仮想世界でのAIによるキャラクタのリアルな動きの実現や多数のエージェントの制御,大量の計測データのAIを用いた解析や可視化への応用,機械学習に基づく翻訳技術を用いて言語間の壁を取り払ったVRなどです.
 本特集号では,VR/MRに関するAIの論文ならびにAIを用いたVR/MR論文について広く募集します.AIは可能な限り広く捉えて頂ければと思います.AIとVRという2つの旬な研究の融合分野の発展に寄与するものであれば構いません.例えば,VRでの利用を想定したAI技術や,各種データサイエンスで用いられる手法,自動運転などのVRへの応用が期待される研究,AIの利用をゴールと想定する研究なども広く募集いたします.

【ゲストエディタ】
小池崇文(法政大学),加納 裕(ソフトキューブ),三宅陽一郎(スクウェア・エニックス)

1.対象分野

以下に項目およびキーワードを挙げますが,これらに限定するものではありません.

キーワード:
AI,機械学習,深層学習,CNN,強化学習,データサイエンス,ニューラルネット,クラスタリング,回帰問題,分類問題,自動制御,ビッグデータ,自律分散,バーチャルキャラクタ,エージェント,チャットボット,可視化

各カテゴリ・基準の定義については,学会の査読基準(https://www.vrsj.org/wp-content/themes/vrsj/dl/ronbun_category_sadoku_kijun.pdf)に準じます.

2.投稿方法

下記よりご確認ください.
http://www.vrsj.org/transaction/special_issue/

査読プロセスを円滑に進めるため「事前申込締切」を設けております.投稿を希望される方は,

・著者名・所属(全員分)
・タイトル
・論文種別(フルペーパー・ショートペーパーから選択)
・論文カテゴリ(基礎・応用・コンテンツ・総説から選択)
・概要

上記を,下記の締切までに,事前投稿申込専用フォーム
(http://www.vrsj.org/transaction/submission/pre-submission/)
よりお送りくださいますようお願いいたします.

3.提出先

●投稿申込
事前投稿申込専用フォーム:http://www.vrsj.org/transaction/submission/pre-submission/

●論文提出
論文投稿サイト:https://mc.manuscriptcentral.com/tvrsj

(ここまで)--------------------------------------------------

平昌オリンピック (2)

平昌オリンピック、小平選手が500メートルで金メダルを獲りました!

W杯15連勝なので、当然といえば当然の結果なのでしょうが、おめでとうございます!

平昌オリンピック

平昌オリンピック、観てます!

まだ金はありません。銀はかなり獲れていますが、銀を獲った選手の気持ちは揺れていますね。いずれも、金を取れる可能性はあったわけですから。高木しかり、小平しかり、渡部しかり、平野しかり...

このようなインタビューを聴くのは楽しいです。感動的でもあります。

小平選手の1000メートルは惜しかった。関連記事はこちらです。

http://kanouy.blog9.fc2.com/blog-entry-1793.html

対称正定値行列

対称正定値行列、日本語での呼び名は多々あれど、英語では、symmetric positive-definite、です。

この行列は、いろいろとよい性質があるのですが(たとえば、LU分解が必ずできる)、では具体的にはどのような行列?

私が知っているのは、共分散行列です。共分散行列Vは、

V = (1/n)ΣppT --- (1)

と書けます。でもΣはややこしいので、design matrixを使います。すなわち、

V = (1/n)ΦTΦ --- (2)

つまり、Φpを行ベクトルとして「パッケージ化」したものです。転置が逆になることに注意。

さて、Vは式(2)から対称行列です。なぜならば、

(ΦTΦ)T = ΦTΦ --- (3)

では、式(2)が正定値であることを確かめましょう。

(x, Vx) = (x, (1/n)ΦTΦx) = (1/n)(Φx, Φx) = (1/n)|Φx|2 --- (4)

式(4)は正ですから、Vは正定値であることが確認できました。

AVM研究会 (2)

情報処理学会AVM研究会(2018年3月6~7日、沖縄セルラー電話株式会社)のプログラムが公開されました。

リンクはこちら→情報処理学会第100回AVM研究会

私は初日に、「VRの歴史とAIとの関係」という演題で20分話します。そのあとパネル討論です。

パソコン修理 (9)

某T社製パソコン、3度目の修理から帰還しました。3年で3回目。

キーボードは新しくなりました!やはり、PgDnキーは必要。

タッチパッドですが、これも直っていますが、設計に問題があるような気がしますね。直ってもあまり使い勝手がよくない。マウスボタンも押しかたをよく間違える。

ディスプレイの不具合については、これも直っていますが、修理で分解してもらったあと、ハードディスクエラーが出たとのことで、交換を推奨されました。交換すると、もちろんディスクは初期化されます。これで総額7万円台。

購入額が10万円台なので、修理が好きな私でも、さすかに考えました。だって、こんなに払って、新品を買ったのと同様に、いろいろと入れなおさないといけません。

ウィンドウズが立ち上がることを確認して、ハードディスクはそのままにしてもらいました。それでも3万円台払いました。あと1年は使わないと、元がとれないぞ。

ロシア (4)

ロシアのビザ、なんとか取れました!

これで準備は万端。ちなみに、ロシア鉄道からまた連絡が入り、帰りの電車も変更となりました。これで、行きと帰りの双方が変更となったわけです、これは普通のできごと?

Deep Learning (13)

Ian Goodfellow , Yoshua Bengio , Aaron Courville
Deep Learning (Adaptive Computation and Machine Learning series) 2016.

第5章は、機械学習のクイックサマリです。よくこのように短くまとめられるものです。感心します。

111ページに、VC dimension (Vapnik-Chervonenkis dimension) の説明があります。これまでよくわからなかったのですが、読んでみました。すなわち、

The VC dimension is defined as being the largest possible value of m for which there exists a training set of m different x points that the classifier can label arbitrarily.

これは要するに、直線の場合だと、VC dimention = 2、ということですかね?点が2つであれば、どうラベル付けしても、直線で分類できます。でも、3つだと、配置によっては直線だとムリ。

イラストで学ぶ機械学習 (22)

ある仕事で、弱分類機が使えそうなので、それを調べるため、手元にあった、以下の書物を参照しました。

The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition, 2008/12/1
Trevor Hastie,‎ Robert Tibshirani,‎ Jerome Friedman

実はこれ、一時は手放そうと思っていたものです。落書きも消して、さて売るぞと思ったところに、なにかで必要となりました。それで、まだ手元にあります。

ただ、同書を見ても、よくわかりません。なぜかというと、いろいろなところに関連事項が分散されて書かれてあるんです。ちょっと読みづらい。というわけで、やはり「イラスト」。自宅にあるのですが、すぐに見たかったので、近くの本屋さんに行って、立ち読みしました。

実のところ、同じところでつまずいていました。またおバカなことをやってしまった。以下の記事に書かれていたようなことです。

http://kanouy.blog9.fc2.com/blog-entry-1775.html

最初に、これを見ればよかったわけですね。認めると、記憶から消えるということ?

なんでこれが理解できなくなるのかというと、理由はこうです。なぜ、このような複雑な境界を持つ分類機を、弱分類機のたんなる平均で作ることができるのか、ということ。種明かしとしては、この境界は「コンタ」なんです。境界線が、explicitに表現できているわけではない。これをきちんと記憶にとどめること(自分に言い聞かせる)。

Deep Learning (12)

Ian Goodfellow , Yoshua Bengio , Aaron Courville
Deep Learning (Adaptive Computation and Machine Learning series) November 18, 2016.

3.13 は、情報理論のクイックガイドです。こんなに重要なものが、わずか4ページ!

73ページにcross-entropyの説明があります。これは分かりづらいもののひとつです。この定義と、PRMLの4章に出てくるcross-entropyは、同じものなのでしょうか?

PRMLをみてもよくわからないので、Wikipediaを見てみました。日本語版は、いつものとおり整備されていないのですが、英語版の、"Cross-entropy error function and logistic regression"を読んで、なるほどと思いました。書物よりも、記述が明快です。

ロシア (3)

今年(2018年)のGWに計画しているロシア行き、鉄道のチケットも取りました。モスクワ-サンクトペテルブルクを、Sapsanで往復します。

そろそろeチケットが来るかな、という頃、いきつけのショットバーでウィスキーを飲んでいると、携帯の電話が鳴りました。えっ、なんと、ロシアからです(国番号でわかる)。

ロシア人知人が、いまモスクワにいるみたいなので、彼と思い、「もしもし~」と軽く出たら、思いがけず女性の声。なんだろうと思っていたら、ロシアの鉄道会社からで、理由はともかく(聴き取れなかった)、出発時刻の異なる電車に振り替えて欲しい、とのことでした。10分後のものなので、問題ありません。はい、それで、と応じました。すぐにeチケットは届きました。

しかし、ロシアから携帯に電話をもらうとは思いませんでした。やはりロシアは謎の国。

Introduction to Algorithms (7)

"Introduction to Algorithms 3rd edition (2009)"、パートⅡは、"Sorting and Order Statistics"。ソートはよいとして、"Order Statistics"とは?

第9章がそれに充てられていて、"Median and Order Statistics"です。定義としては、i番目に小さな数を、ith order statisticと呼ぶ。そうすると、最小値は、first order statisticです。最大値は、n個の集合では、nth order statistic。

ちょっと面白いのは、9.1 Minimum and maximum。まず、n個の配列から最小値を求めます。これはn-1回の比較でできます。では最大値も同時に求めたいときは?単純に考えると、2n-2です。要するに、最小値と最大値を独立に求める。普通はこうするでしょう。

でも、本書はアルゴリズム本なので、ここで突っ込みます。実は、(3/2)n回の比較でできる、巧妙なやりかたがあります。こういうのに興味のある人には、本書をお薦めします。

Introduction to Algorithms (6)

"Introduction to Algorithms 3rd edition (2009)"、パートⅣ"Advanced Design and Analysis Techniques"における、第15章:Dynamic Programmingと第16章:Greedy Algorithmsを攻略中。

この組み立てかたは面白いです。このように、両者を比較して論じている書物を他に知りません。たとえば、GAでは解けないけれど、DPだと解けるという具体的な問題が記されていたりする。

実際のところ、ここは第三版で改訂されたみたいです。第二版を見ていないので、詳しくはわかりませんが、著者もいろいろと考えたのでしょう。
プロフィール

加納裕(かのうゆたか)

Author:加納裕(かのうゆたか)


[略歴]
1983年3月東京工業大学工学部機械物理工学科卒業
1983年4月(株)図研入社
1987年1月同社退社
1987年2月(株)ソリッドレイ研究所を6名で設立、取締役
1994年3月同社退社
1994年4月(株)スリーディー入社
1996年10月同社取締役
1999年12月上海大学兼務教授
2002年10月同社代表取締役
2009年9月ものつくり大学非常勤講師~現在
2009年10月同社代表退任/退社
2010年1月ソフトキューブ(株)入社~現在(技術顧問)
2017年4月湘南工科大学非常勤講師~現在


[業界団体・学会活動]
電気学会・第三期次世代インタラクティブディスプレイ協同研究委員会(幹事)/最先端表現技術利用推進協会・アカデミック部会(旧:三次元映像のフォーラム)(副部会長)/日本バーチャルリアリティ学会ハプティクス研究委員会(委員)/ACM・SIGGRAPH(Professional Member)/情報処理学会(正会員、CVIM会員)/3Dコンソーシアム(賛助会員)/3DBiz研究会(個人賛助会員)/URCF(特別会員)

----------------

前職:立体映像産業推進協議会(幹事)/日本バーチャルリアリティ学会・論文委員会(委員)


[資格]
TOEIC805点
数学検定1級(数理技能)
中型・普自二免許
サッカー4級審判員

最新記事
最新コメント
最新トラックバック
月別アーカイブ
カテゴリ
検索フォーム
RSSリンクの表示
リンク
ブロとも申請フォーム

この人とブロともになる

QRコード
QRコード