授業科目名				担当教員
ビジュアル情報処理特論				大渕　竜太郎／茅　暁陽
時間割番号	単位数	コース	履修年次	期別	曜日	時限
GTK506	2	(未登録)	1	後期	水	III
［概要と目標］
本授業では，2次元画像や3次元CGなどのビジュアル情報の解析と生成を、コンピュータ・ビジョン、機械学習、コンピュータグラフィックス、数値計算、線形代数などを統合して実現する方法を学ぶ。<BR>（オムニバス方式/全15回）<BR>（大渕 竜太郎／8回）<BR>前半は画像などのビジュアル情報の解析に重点を置く。主に2次元画像について、その全体ないし部分の識別、検索、追尾、などを実現する手法を学ぶ。具体的には、まず、これらデータからの特徴抽出，さらに特徴に基づく画像や物体の比較、検索、認識の技術をまなぶ。ついで、機械学習などのアプローチを用いて比較や認識を高精度化、高速化する技術を学ぶ。<BR>（茅 暁陽／7回）<BR>後半はビジュアル情報の合成に重点を置く。2次元画像の高度なフィルタリング、切り出し、貼りあわせ、模様の転写、マッティングなどを実現する手法を学ぶ。
[到達目標]
2次元画像をその内容に基づいて比較，検索，識別する手法を理解し，その基本的アルゴリズムについて実装ができる．<BR>最新の画像合成技術についてそのアルゴリズムを理解する．画像合成を例として，学部で学んだ基礎知識の活用方法を習得する。問題が与えられたとき，その解決に向けての情報収集能力を修得する．
［必要知識・準備］
線形代数，微積分学などの数学，プログラミング（C++などの言語）のスキル，アルゴリズムとデータ構造が必要である．また，画像の表現やその基本的なフィルタリング，およびコンピュータグラフィックスの基礎知識を持っていることが望ましい．クラスタリング，サポートベクタマシンなどの機械学習アルゴリズムの知識があるとなおよい．
［評価基準］
No 評価項目 割合 評価の観点 1 小テスト／レポート  100  % レポート（計3回），小テスト（計6回），文献調査発表，で評価する．
［教科書］
(未登録)
［参考書］
(未登録)
［講義項目］
１． 導入，人の視知覚，カメラモデル<BR>２． 画像のフィルタリング，テンプレートマッチング<BR>３． エッジ検出，スケールスペース<BR>４． 顕著点，画像の局所特徴<BR>５． 局所特徴の統合と比較<BR>６． 識別器（SVMと乱尺決定木）<BR>７． クラスタリング，次元削減<BR>８． 画像の識別，検索，物体同定<BR>９． フラクタルと自然の画像<BR>10. テクスチャ合成<BR>11. テクスチャと画像編集，画像フィルタリング<BR>12.　勾配空間フィルタリング <BR>13.　Poisson Editingとその応用<BR>14. 文献調査発表<BR>15.　文献調査発表