狠狠撸

狠狠撸Share a Scribd company logo
A Theory of Fermat Paths
for Non-Line-of-Sight Shape Reconstruction
#cvsaisentan
CVPR ‘19 読み会
@mhr380
コンピュータビジョン
2
カメラ?センサ
反射光
画像データ 情報処理
Bunny 98%
属性?領域の認識
実世界
光源
コンピュータビジョン
3
カメラ?センサ
反射光
画像データ 情報処理
シーンの幾何的?物理的な情報
実世界
光源
コンピュータビジョン
4
カメラ?センサ
反射光
画像データ 情報処理
シーンの幾何的?物理的な情報
実世界
光源
知りたいシーンは
カメラに写っていることが
大前提だった
ところで
? Computational Photographyの会議(ICCP)でホットな話題って?
→ Non Line of Sight Imaging
? カメラの視界内に、認識したい対象物が写っている Line of Sight (見通し内)
? カメラの視界内に、認識したい対象物が写っていない Non Line of Sight(見通し外)
NLoS Imagingの元祖
? A. Kirmani, T. Hutchison, J. Davis, and R. Raskar,
Looking around the corner using ultrafast transient imaging, IJCV 2011.
? 通称 “Looking around the corner “
? 高価なレーザ?センサ(ストリークカメラ)を利用 (センサだけで数千万円くらい!)
NLoS in CVPR ‘19
? Computational Photographyの会議(ICCP)でホットな話題って?
→ Non Line of Sight Imaging
? CVPR2019では6本のNLoS Imaging研究が発表
? Lindellら, Acoustic Non-Line-Of-Sight Imaging
? Tsaiら, Beyond Volumetric Albedo - A Surface Optimization Framework for Non-Line-Of-Sight Imaging
? Chenら, Steady-State Non-Line-Of-Sight Imaging
? Liuら, Analysis of Feature Visibility in Non-Line-Of-Sight Measurements
? Leiら, Direct Object Recognition Without Line-Of-Sight Using Optical Coherence
? Xinら, A Theory of Fermat Paths for Non-Line-Of-Sight Shape Reconstruction
NLoS in CVPR ‘19
? そのうち1本はなんと Best Paper
9
In CVPR 2019 (Oral Presentation, Best Paper Award)
Presenter: @mhr380
Shumian Xin1, Sotiris Nousias2,3, Kiriakos N. Kutulakos2, Aswin C. Sankaranarayanan1,
Srinivasa G. Narasimhan1, Ioannis Gkioulekas1
1Carnegie Mellon University 2University of Toronto 3University College London
A Theory of Fermat Paths
for Non-Line-of-Sight Shape Reconstruction
この論文の問題設定
10
レーザー
+
センサ
データ 処理
壁①
壁②
センサから見えるのは
壁②だけ!
視野角外の物体を
umオーダーで形状推定する
とんでもない研究!注視点 v
結果①
500um
结果②
おしながき
? 構成要素
? どんな装置を使っているの?
? どんな観測が得られるの?
? どんなアルゴリズムで3次元形状を復元するの?
? 実験?結果
? 所感
手法説明
14
レーザー
+
センサ
データ 処理
壁①
壁②
注視点 v
どんなセンサ?レーザーを使っている?
? Abstractより
どんなセンサ?レーザーを使っている?
? SPAD(Single Photon Avalanche Diode)とは?
? 微小な光(フォトン)が到来したことを検知可能な超超超高感度なセンサ
? 暗闇でも信号を観測できる
? ただし、「光が来た / 来ない」のバイナリ値しか検出不可
? 超高周波(数GHz)で駆動可能 (ナノ秒?ピコ秒に1回の計測ができる)
? 近年、LiDARやTime of Flight センサに使われることが増加
? トヨタがSPAD LiDARを試作しているらしい
https://monoist.atmarkit.co.jp/mn/articles/1510/22/news037.html
どんなセンサ?レーザーを使っている?
? レーザとSPADを利用したTime of Flight計測への利用
グラフは O’toole et al., Single-Photon 3D Imaging with Deep Sensor Fusion, ToG 2018. より
SPAD
対象物までの
距離がわかる!
レーザ発光からの
経過時間
光を発光してから
SPADまで到達するのに
要した時間 τ
観測データ
フォトンが
センサに到達した
回数
「いつ光が来たか」
の統計値
きょり = はやさ x じかん
※ 経過時間は往復なので、センサ-被写体間の距離は
? =
? ? ?
2
光速
3 × 108[m/s]
レーザ発光からの
経過時間
1回目の
計測
2回目の
計測
N回目の
計測???
光の飛行時間が
わかると???
手法説明
18
レーザー
+
センサ
データ 処理
壁①
壁②
注視点 v
計測によって得られるデータ
? 壁からの反射光を超高速で捉えたデータ
レーザー
+
センサ
壁②
注視点 v
壁から
返ってくる光
壁の向こうから
返ってくる光
とある壁上の点から得られる信号
計測によって得られるデータ
? 壁からの反射光を超高速で捉えたデータ
レーザー
+
センサ
壁②
注視点 v
この信号を
頑張って解析する
とある壁上の点から得られる信号
手法説明
21
データ 処理
レーザー
+
センサ
壁①
壁②
注視点 v
アルゴリズム
? おことわり
? (私には)結構難解でした
? 論文とは異なるNotationをしております
? 私の理解が間違っていたら教えてください!
? Supplemental Materialはこんな感じ(式65まである)
アルゴリズム
? おことわり
? (私には)結構難解でした
? 論文とは異なるNotationをしております
? 私の理解が間違っていたら教えてください!
? Supplemental Materialはこんな感じ(式65まである)なるべく数式を使わずに
説明します!!!!
アルゴリズム
? 前提
? 壁は拡散反射成分が主体 → 壁に到達した光は、あらゆる方向に分散して飛んでいく
? レーザの照射点と、センサの注視点は同じ点とする(同軸)
? 解きたい問題
? 注視点から被写体の点を結ぶベクトルを求めたい
? 未知パラメータ
? ベクトルの長さ
? ベクトルの方向
? 解法
① 注視点から被写体の点を結ぶベクトルの長さを決定
② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
壁②
注視点 v
???
アルゴリズム
? 前提
? 壁は拡散反射成分が主体 → 壁に到達した光は、あらゆる方向に分散して飛んでいく
? レーザの照射点と、センサの注視点は同じ点とする(同軸)
? 解きたい問題
? 注視点から被写体の点を結ぶベクトルを求めたい
? 未知パラメータ
? ベクトルの長さ
? ベクトルの方向
? 解法
① 注視点から被写体の点を結ぶベクトルの長さを決定
② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
壁②
注視点 v
???
手順① ベクトルの長さを求める
? ベクトルの長さ = 被写体までの距離
= (光速 x SPADで観測した光飛行時間) / 2
解候補となる
ベクトル
壁②
注視点 v
???
手順① ベクトルの長さを求める
? ベクトルの長さ = 被写体までの距離
= (光速 x SPADで観測した光飛行時間) / 2
注視点から被写体上の点までを結ぶベクトルの解空間は
中心を注視点とし、 光飛行時間 τ で決まる半径となる球面上に存在
計測された光飛行時間 τ
壁②
注視点 v
???
長さ τ
壁②
注視点 v
???
長さ τ
アルゴリズム
? 前提
? 壁は拡散反射成分が主体 → 壁に到達した光は、あらゆる方向に分散して飛んでいく
? レーザの照射点と、センサの注視点は同じ点とする(同軸)
? 解きたい問題
? 注視点から被写体の点を結ぶベクトルを求めたい
? 未知パラメータ
? ベクトルの長さ
? ベクトルの方向
? 解法
① 注視点から被写体の点を結ぶベクトルの長さを決定
② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
壁②
注視点 v
???
長さ τ
アルゴリズム
? 前提
? 壁は拡散反射成分が主体 → 壁に到達した光は、あらゆる方向に分散して飛んでいく
? レーザの照射点と、センサの注視点は同じ点とする(同軸)
? 解きたい問題
? 注視点から被写体の点を結ぶベクトルを求めたい
? 未知パラメータ
? ベクトルの長さ
? ベクトルの方向
? 解法
① 注視点から被写体の点を結ぶベクトルの長さを決定
② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
手順② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
? 手順① で解候補となるベクトルの長さは決定した
? 残りは、ベクトルの方向が決まれば、壁上の注視点と被写体上の点を結ぶベクトルが決定できる
壁②
注視点 v
???
長さ τ
手順② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
? 重要な性質 (Fermat’s Principal)
? 「ヒストグラムにピークをもたらす光線は、物体法線と平行な光線である」
レーザ&センサ
注視点 v
いろんな方向に反射
未知物体の表面
※レーザの照射点とSPADの注視点は同じ点
観測ヒストグラム
(観測する壁から来る光は無視)
手順② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
? 重要な性質 (Fermat’s Principal)
? 「ヒストグラムにピークをもたらす光線は、物体法線と平行な光線である」
レーザ&センサ
光線と法線が一致していない場合
反射した光は
注視点ではないどこかに行ってしまう
→ 注視点を見ているセンサでは観測できない
注視点 v
いろんな方向に反射
未知物体の表面
法線
※レーザの照射点とSPADの注視点は同じ点
観測ヒストグラム
(観測する壁から来る光は無視)
注視点で観測される
反射光は少ない
手順② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
? 重要な性質 (Fermat’s Principal)
? 「ヒストグラムにピークをもたらす光線は、物体法線と平行な光線である」
観測ヒストグラム
(観測する壁から来る光は無視)
注視点で観測される
反射光は多い
レーザ&センサ
注視点 v
いろんな方向に反射
未知物体の表面
法線
※レーザの照射点とSPADの注視点は同じ点
光線と法線が一致してる場合
反射した光が同じ注視点にもどってくる
→ 注視点を見ているセンサでは
多くの光が観測される!
手順② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
? ベクトルの方向を決定するためにある材料
? ベクトルの長さは、光飛行時間 τ
? 「ヒストグラムにピークをもたらす光線は、物体法線と平行な光線である」
? 注視点をずらしたときに観測される光飛行時間を手がかりにする
壁②
注視点 v
???
長さ τ
物体上の点の候補
手順② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
? 注視点を動かして観測
? 「注視点を微小に動かしたときに到達する面の形状はそんなに変わらないはず」
→ 隣接注視点が到達する物体上の点も、同じ法線を持つ
観測ヒストグラム
(観測する壁から来るフォトンは無視)
※ 論文とはNotationが異なります
注視点 v
θ
未知物体
Δτ
θ
未知
長さ τ
手順② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
? 注視点を動かして観測
? 「注視点を微小に動かしたときに到達する面の形状はそんなに変わらないはず」
→ 隣接注視点が到達する物体上の点も、同じ法線を持つ
観測ヒストグラム
(観測する壁から来るフォトンは無視)
※ 論文とはNotationが異なります
注視点 v
Δv
注視点の隣接点
v’=v+Δv
θ
未知物体
Δτ
θ
未知
長さ τ
長さ τ+Δ τ
手順② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
? 注視点を動かして観測
? 「注視点を微小に動かしたときに到達する面の形状はそんなに変わらないはず」
→ 隣接注視点が到達する物体上の点も、同じ法線を持つ
観測ヒストグラム
(観測する壁から来るフォトンは無視)
※ 論文とはNotationが異なります
注視点 v
Δv
注視点の隣接点
v’=v+Δv
θ
未知物体
θ
Δτ
θ
θ
未知
長さ τ
長さ τ+Δ τ
手順② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
? 注視点を動かして観測
? 「注視点を微小に動かしたときに到達する面の形状はそんなに変わらないはず」
→ 隣接注視点が到達する物体上の点も、同じ法線を持つ
観測ヒストグラム
(観測する壁から来るフォトンは無視)
※ 論文とはNotationが異なります
注視点 v
Δv
Δτ
注視点の隣接点
v’=v+Δv
θ
未知物体
θ
Δτ
Δv
θ
θ
未知
長さ τ
長さ τ+Δ τ
手順② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
? 注視点を動かして観測
? 「注視点を微小に動かしたときに到達する面の形状はそんなに変わらないはず」
→ 隣接注視点が到達する物体上の点も、同じ法線を持つ
※ 論文とはNotationが異なります
注視点 v
Δv
注視点の隣接点
v’=v+Δv
θ θ
Δv
Δτ
未知物体
θ
θ
θ
90°-θ
Δτ:
計測した時間差
Δv
注視点の移動量
(制御可能な値)
sin 90° ? ? = cos ? =
Δ?
Δ?
? = cos?1
Δ?
Δ?
未知
長さ τ
長さ τ+Δ τ
手順② 隣接点での観測変化量をもとに、ベクトルの向く方向を決定
? ベクトルの方向を決定するためにある材料
? ベクトルの長さは、光飛行時間 τ
? 「ヒストグラムにピークをもたらす光線は、物体法線と平行な光線である」
? 注視点をずらしたときに観測される光飛行時間を手がかりにする
壁②
注視点 v
? = cos?1
Δ?
Δ?
長さ τ
スキャン計測
? 注視点をスキャンしながら計測
? それぞれの注視点について同様の演算を行うことで、法線をもった点群が得られる
? 法线を持った点群をメッシュ化する(论文の颁辞苍迟谤颈产耻迟颈辞苍じゃないので详细は理解していません…)
おしながき
? 構成要素
? どんな装置を使っているの?
? どんな観測が得られるの?
? どんなアルゴリズムで3次元形状を復元するの?
? 実験?結果
? 所感
実験系①
? ピコ秒レーザを利用した実験系(分解能 1mm程度)
実験系①での評価
? ピコ秒レーザを利用した実験系(分解能 1mm程度)
? 凹面?凸面どちらも良好に推定可能
実験系①での評価
? ピコ秒レーザを利用した実験系(分解能 1mm程度)
? 平均誤差: 2mm程度
実験系②
? フェムト秒レーザーを利用(分解能10um)
おしながき
? 構成要素
? どんな装置を使っているの?
? どんな観測が得られるの?
? どんなアルゴリズムで3次元形状を復元するの?
? 実験?結果
? 所感
まだ理解できていないところ
? 1つの注視点に対して2つのピークがある場合はどうしているのか
注視点 v
未知物体の表面
法線
まだ理解できていないところ
? 物体の非連続点から到来する光線も、観測にピークをもたらすらしい
? 同じグループのCVPR2017論文が参考になりそう(だが間に合わなかった???)
? Tsai et al., The Geometry of First-Returning Photons for Non-Line-of-Sight Imaging, CVPR ‘17
注視点 v
未知物体の表面
法線
法線が色んな方向に
定義できてしまう?

More Related Content

What's hot (20)

PDF
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
Deep Learning JP
?
PPTX
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
Kento Doi
?
PDF
翱搁叠-厂尝础惭を动かしてみた
Takuya Minagawa
?
PPTX
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
?
PPTX
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
?
PDF
20190307 visualslam summary
Takuya Minagawa
?
PDF
翱辫迟颈尘颈锄别谤入门&最新动向
Motokawa Tetsuya
?
PDF
尝颈顿础搁点群と画像とのマッピング
Takuya Minagawa
?
PDF
音声认识と深层学习
Preferred Networks
?
PDF
20190825 vins mono
Takuya Minagawa
?
PDF
論文紹介:Temporal Action Segmentation: An Analysis of Modern Techniques
Toru Tamaki
?
PDF
确率モデルを用いた3顿点群レジストレーション
Kenta Tanaka
?
PPTX
[DL輪読会]MetaFormer is Actually What You Need for Vision
Deep Learning JP
?
PPTX
[DL輪読会]Focal Loss for Dense Object Detection
Deep Learning JP
?
PPTX
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
Deep Learning JP
?
PDF
30th コンピュータビジョン勉強会@関東 DynamicFusion
Hiroki Mizuno
?
PPTX
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
Deep Learning JP
?
PDF
SSII2019TS: プロジェクタ?カメラシステムが変わる! ~時間同期の制御で広がる応用~
SSII
?
PDF
LiDAR-SLAM チュートリアル資料
Fujimoto Keisuke
?
PDF
[DL輪読会] Spectral Norm Regularization for Improving the Generalizability of De...
Deep Learning JP
?
[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
Deep Learning JP
?
[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
Kento Doi
?
翱搁叠-厂尝础惭を动かしてみた
Takuya Minagawa
?
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
?
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
?
20190307 visualslam summary
Takuya Minagawa
?
翱辫迟颈尘颈锄别谤入门&最新动向
Motokawa Tetsuya
?
尝颈顿础搁点群と画像とのマッピング
Takuya Minagawa
?
音声认识と深层学习
Preferred Networks
?
20190825 vins mono
Takuya Minagawa
?
論文紹介:Temporal Action Segmentation: An Analysis of Modern Techniques
Toru Tamaki
?
确率モデルを用いた3顿点群レジストレーション
Kenta Tanaka
?
[DL輪読会]MetaFormer is Actually What You Need for Vision
Deep Learning JP
?
[DL輪読会]Focal Loss for Dense Object Detection
Deep Learning JP
?
[DL輪読会]Vision Transformer with Deformable Attention (Deformable Attention Tra...
Deep Learning JP
?
30th コンピュータビジョン勉強会@関東 DynamicFusion
Hiroki Mizuno
?
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
Deep Learning JP
?
SSII2019TS: プロジェクタ?カメラシステムが変わる! ~時間同期の制御で広がる応用~
SSII
?
LiDAR-SLAM チュートリアル資料
Fujimoto Keisuke
?
[DL輪読会] Spectral Norm Regularization for Improving the Generalizability of De...
Deep Learning JP
?

Similar to CVPR2019読み会 "A Theory of Fermat Paths for Non-Line-of-Sight Shape Reconstruction" (20)

PDF
論文紹介:DF-Net: Unsupervised Joint Learning of Depth and Flow using Cross-Networ...
matsunoh
?
PDF
【2015.08】(4/5)肠惫辫补辫别谤.肠丑补濒濒别苍驳别蔼颁痴笔搁2015
cvpaper. challenge
?
PDF
20140726 関東cv勉強会
M Kimura
?
PPTX
Bachelor Presentation
Dzul Fahmi
?
PDF
Learning to Solve Hard Minimal Problems
Takuya Minagawa
?
PDF
【2015.08】(5/5)肠惫辫补辫别谤.肠丑补濒濒别苍驳别蔼颁痴笔搁2015
cvpaper. challenge
?
PDF
【2016.10】肠惫辫补辫别谤.肠丑补濒濒别苍驳别2016
cvpaper. challenge
?
PDF
【2015.05】肠惫辫补辫别谤.肠丑补濒濒别苍驳别蔼颁痴笔搁2015
cvpaper. challenge
?
PDF
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
harmonylab
?
PPTX
SSII2020TS: 物理ベースビジョンの過去?現在?未来 ? カメラ?物体?光のインタラクションを モデル化するには ?
SSII
?
PPTX
CVPR2018 参加報告(速報版)初日
Atsushi Hashimoto
?
PDF
Fusion4dIntroduction
Hideki Iwasawa
?
PPTX
RAPiD
harmonylab
?
PPTX
Cvpr2018 参加報告(速報版)3日目
Atsushi Hashimoto
?
PDF
BA-Net: Dense Bundle Adjustment Network (3D勉強会@関東)
Mai Nishimura
?
PDF
【2015.07】(2/2)肠惫辫补辫别谤.肠丑补濒濒别苍驳别蔼颁痴笔搁2015
cvpaper. challenge
?
PDF
【2015.07】(1/2)肠惫辫补辫别谤.肠丑补濒濒别苍驳别蔼颁痴笔搁2015
cvpaper. challenge
?
PPTX
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
Kazuyuki Miyazawa
?
PPTX
Eccv2018 report day3
Atsushi Hashimoto
?
PDF
叁次元表现まとめ(深层学习を中心に)
Tomohiro Motoda
?
論文紹介:DF-Net: Unsupervised Joint Learning of Depth and Flow using Cross-Networ...
matsunoh
?
【2015.08】(4/5)肠惫辫补辫别谤.肠丑补濒濒别苍驳别蔼颁痴笔搁2015
cvpaper. challenge
?
20140726 関東cv勉強会
M Kimura
?
Bachelor Presentation
Dzul Fahmi
?
Learning to Solve Hard Minimal Problems
Takuya Minagawa
?
【2015.08】(5/5)肠惫辫补辫别谤.肠丑补濒濒别苍驳别蔼颁痴笔搁2015
cvpaper. challenge
?
【2016.10】肠惫辫补辫别谤.肠丑补濒濒别苍驳别2016
cvpaper. challenge
?
【2015.05】肠惫辫补辫别谤.肠丑补濒濒别苍驳别蔼颁痴笔搁2015
cvpaper. challenge
?
FastDepth: Fast Monocular Depth Estimation on Embedded Systems
harmonylab
?
SSII2020TS: 物理ベースビジョンの過去?現在?未来 ? カメラ?物体?光のインタラクションを モデル化するには ?
SSII
?
CVPR2018 参加報告(速報版)初日
Atsushi Hashimoto
?
Fusion4dIntroduction
Hideki Iwasawa
?
Cvpr2018 参加報告(速報版)3日目
Atsushi Hashimoto
?
BA-Net: Dense Bundle Adjustment Network (3D勉強会@関東)
Mai Nishimura
?
【2015.07】(2/2)肠惫辫补辫别谤.肠丑补濒濒别苍驳别蔼颁痴笔搁2015
cvpaper. challenge
?
【2015.07】(1/2)肠惫辫补辫别谤.肠丑补濒濒别苍驳别蔼颁痴笔搁2015
cvpaper. challenge
?
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
Kazuyuki Miyazawa
?
Eccv2018 report day3
Atsushi Hashimoto
?
叁次元表现まとめ(深层学习を中心に)
Tomohiro Motoda
?
Ad

Recently uploaded (9)

PDF
論文紹介:AutoPrompt: Eliciting Knowledge from Language Models with Automatically ...
Toru Tamaki
?
PDF
安尾 萌, 松下 光範. 環境馴致を計量可能にするための試み,人工知能学会第4回仕掛学研究会, 2018.
Matsushita Laboratory
?
PDF
安尾 萌, 藤代 裕之, 松下 光範. 協調的情報トリアージにおけるコミュニケーションの影響についての検討, 第11回データ工学と情報マネジメントに関する...
Matsushita Laboratory
?
PDF
安尾 萌, 北村 茂生, 松下 光範. 災害発生時における被害状況把握を目的とした情報共有システムの基礎検討, 電子情報通信学会HCGシンポジウム2018...
Matsushita Laboratory
?
PPTX
勉強会_ターミナルコマント?入力迅速化_20250620. pptx. .
iPride Co., Ltd.
?
PPTX
色について.pptx .
iPride Co., Ltd.
?
PPTX
Vibe Codingを始めよう ?Cursorを例に、ノーコードでのプログラミング体験?
iPride Co., Ltd.
?
PDF
論文紹介:Unbiasing through Textual Descriptions: Mitigating Representation Bias i...
Toru Tamaki
?
PDF
Forguncy 10 製品概要資料 - ノーコードWebアプリ開発プラットフォーム
フォーガンシー
?
論文紹介:AutoPrompt: Eliciting Knowledge from Language Models with Automatically ...
Toru Tamaki
?
安尾 萌, 松下 光範. 環境馴致を計量可能にするための試み,人工知能学会第4回仕掛学研究会, 2018.
Matsushita Laboratory
?
安尾 萌, 藤代 裕之, 松下 光範. 協調的情報トリアージにおけるコミュニケーションの影響についての検討, 第11回データ工学と情報マネジメントに関する...
Matsushita Laboratory
?
安尾 萌, 北村 茂生, 松下 光範. 災害発生時における被害状況把握を目的とした情報共有システムの基礎検討, 電子情報通信学会HCGシンポジウム2018...
Matsushita Laboratory
?
勉強会_ターミナルコマント?入力迅速化_20250620. pptx. .
iPride Co., Ltd.
?
色について.pptx .
iPride Co., Ltd.
?
Vibe Codingを始めよう ?Cursorを例に、ノーコードでのプログラミング体験?
iPride Co., Ltd.
?
論文紹介:Unbiasing through Textual Descriptions: Mitigating Representation Bias i...
Toru Tamaki
?
Forguncy 10 製品概要資料 - ノーコードWebアプリ開発プラットフォーム
フォーガンシー
?
Ad

CVPR2019読み会 "A Theory of Fermat Paths for Non-Line-of-Sight Shape Reconstruction"