2018 Fiscal Year Annual Research Report
Generating Saliency Map for Images with Leading Lines
| Project/Area Number |
16K12459
|
|---|
| Research Institution | University of Yamanashi |
|---|
Principal Investigator |
茅 暁陽 山梨大学, 大学院総合研究部, 教授 (20283195)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
藤代 一成 慶應義塾大学, 理工学部(矢上), 教授 (00181347)
豊浦 正広 山梨大学, 大学院総合研究部, 准教授 (80550780)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 顕著性マップ |
|---|
| Outline of Annual Research Achievements |
リーディングライン効果は同一の点に収束する直線のときに得られるだけでなく、何等かの視覚要素が線状に配置したことにより形成されることもある。その場合、リーディングライン上にある画素でのテクスチャ方向は必ずしもその画素と消失点と結ぶ直線と一致しないため、局所のテクスチャ方向に基づく投票方法では有効な顕著性マップが得られない。このような広義のリーディングライン効果を捉えるために、平成３０年度はこのような画像を収集し，多重解像度において局所的vanishing pointを検出し、統合する方法を試験的に実装し、視線追跡実験による評価を試んだ。また，コンピュータビジョン分野における深層学習アプローチに関する研究は大きな進歩を見せており，平成３０年度には深層学習による視覚注意推定アルゴリズムが新たに開発され，高い評価を得ている．そこで，本研究も新たに深層学習を用いる方法の開発に向けて，既存方法の調査と基礎アルゴリズムの実装を行った．
また，開発した視覚注意モデルを実際の画像処理問題に応用する場合，学習用データの収集がもっとも重要な課題となる．特にビデオ映像における時空間視覚注意モデルを学習する場合，学習データを収集するための視線追跡実験のコストが極めて高い．平成３０年度のもう一つの成果として，ビデオ映像の時空間視覚注意モデルを学習するための視線追跡実験における最適被験者数の推定方法の開発に成功し，実験によりその有効性を示すことができた．
最終年度である平成３０年度はこれまでに開発した誘目効果のある構造の抽出と統合に基づく視覚注意モデルに関する研究成果を論文にまとめ，ビジュアルコンピューティング分野の主要論文誌に掲載することができた．
|
| Remarks |
http://www.vc.media.yamanashi.ac.jp
|
Research Products
(7 results)
