第26回画像センシングシンポジウム
詳細検索

チュートリアルセッション

メイン会場 (vimeo + sli.do)

第一線でご活躍の講師陣が基礎技術から応用事例までをわかりやすく解説いたします。 また、チュートリアルセッションの終了後には 質問ブース で講師陣と交流できます。

 

TS1
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 〜
6/10 (水) 9:45～10:55　メイン会場 (vimeo + sli.do)

講師：池畑 諭 氏（国立情報学研究所）

略歴：2009年 東京大学 文学部 行動文化学科 心理学専修課程を卒業後、2011年に東京大学大学院 学際情報学府、2014年に東京大学大学院 情報理工学系研究科にて修士号（学際情報学）、博士号（情報理工学）をそれぞれ取得。2014年より米国ミズーリ州ワシントン大学セントルイス校にてポスドク研究員を経て、2017年より現職。物理ベースコンピュータビジョンや屋内３次元復元の研究に従事している。2011年 原島博学術奨励賞を受賞。共立出版「コンピュータビジョン - 広がる要素技術と応用 -」第５章 フォトメトリックステレオを執筆。

 

概要： 物理ベースビジョンとは、画像生成を物理・光学現象として捉え、それに基づいて画像から被写体の形状や材質を復元するコンピュータビジョンの一分野である。代表的なものには、１枚の陰影画像から被写体の形状を復元するシェープフロムシェーディング法や複数枚の陰影画像を利用するフォトメトリックステレオ法がある。本チュートリアルでは、1980年代から存在する物理ベースビジョンの基本的な考え方と基礎技術、および近年の研究動向について解説する。

 

こんな方におすすめ
  • ステレオや SLAM 以外の３次元計測手法に興味がある方
  • 物理や光学に興味がある方
  • BRDF やレンダリングといった
    コンピュータグラフィックスのワードに興味がある方

 

TS2
Event-Based Camera の基礎と
ニューラルネットワークによる信号処理
〜 生き物のように「変化」を捉えるビジョンセンサーと
「変化」を処理するニューラルネットワーク 〜
6/11 (木) 9:30～10:40　メイン会場 (vimeo + sli.do)

講師：関川 雄介 氏
（デンソーアイティーラボラトリ）

略歴：2004年3月 東京理科大学 基礎工学部 電子応用工学科 卒業。2004年4月 経済産業省 特許庁 入庁。移動体通信の特許審査に従事。2008年4月 (株)オリンパスイメージング入社。カメラファームウェア開発、商品企画に従事。2011年6月 (株)デンソーアイティーラボラトリ入社。2013年8月～2014年5月 MIT メディアラボ客員研究員。主として画像を用いたニューラルネットワークの研究開発に従事。2020年3月 慶應義塾大学 理工学研究科 後期博士課程 修了。 博士(工学)。

 

概要： イベントカメラは、全ピクセルが同期して明るさを捉える従来のフレームカメラと異なり、生物の目のように各ピクセルが非同期に明るさの「変化」を捉える新しいタイプのビジョンセンサーである。 HDR、疎、高速といった特徴から近年着目されている。しかしながら、カメラから得られる信号は「画像」ではなく、疎な「変化」であるため従来の画像処理を用いることが困難である。この「変化」を扱う種々の手法について、特に疎なイベント信号をそのまま扱うためのニューラルネットワークにフォーカスして説明する。

 

こんな方におすすめ
  • FA や ADAS などの応用分野で
    動きを高速に捉えるビジョンセンサーに興味のある方
  • イベントカメラの近年の研究動向に興味のある方
  • 疎なイベント信号のニューラルネットワークによる処理に興味のある方

 

TS3
機械学習モデルの判断根拠の説明
〜 Explainable AI 研究の近年の展開 〜
6/12 (金) 9:30～10:40　メイン会場 (vimeo + sli.do)

講師：原 聡 氏（大阪大学）

略歴： 2013年3月 大阪大学大学院 工学研究科 博士後期課程 修了。IBM 東京基礎研究所、国立情報学研究所を経て、2017年9月より現職。専門は機械学習で、特に特徴選択や異様検知。最近は機械学習モデルの説明法の研究に注力。

 

概要：本チュートリアルでは、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本チュートリアルではこれら代表的な説明法及び近年の更なる展開について紹介する。

 

こんな方におすすめ
  • 機械学習モデルに予測値以外の補助情報を出して欲しい方
  • Explainable AI の研究に興味がある方

 

IS ポスタールーム (Webex)

チュートリアル質問ブース

チュートリアル講師陣に直に質問できます！

チュートリアル講師の方々に、ISポスタールーム (Webex) で解説していただきます。 講師の方とインタラクティブに、チュートリアルセッションではあまり取り上げられなかった技術的な質問や、応用の可能性なども、密に議論することができます。SSII2020 に参加される方であれば、どなたでも出入りできます。質問ブース開設時間は以下の通りですので、ぜひお立ち寄りください。

  • TS1　池畑 諭 氏
    6/10 (水)　14:35～16:30
  • TS2　関川 雄介 氏
    6/11 (木)　15:35～17:30
  • TS3　原 聡 氏
    6/12 (金)　14:35～16:30

 

質問ブースはこちら（要認証）