[Date Prev][Date Next][Thread Prev][Thread Next][Date Index][Thread Index]
[nikomat:25814] Re:Camera rotation
よしだ っす。
＃ 突然の思い付きなので、ロジックが破綻しているかも知れないっす。
In message <366E9FBA104.0FB9SHINSAKU@tobi.kuee.kyoto-u.ac.jp>
"[nikomat:25812] Re:Camera rotation "
Shinsaku HIURA <shinsaku@vision.kuee.kyoto-u.ac.jp> wrote :
> > よく考えると、周囲の色（ＲＧＢの濃度値）から、ボディが白
> > （＋２ＥＶあたりで良い）だと判断するに足る情報は得ている
> > んですよねぇ？ つまり、他の色さえ混じっていれば、白〜灰
> > 〜黒 のモノに対しても、補正量は ある程度推測可能ですよね？
> >
> > ＃ 少なくともそういうアルゴリズムは実現可能なはず。
>
> うーん、可能でしょうか？
>
> 赤い部分がくすんだ赤（反射率が半分）で、白いところも実は
> 反射率が半分のグレーである、暗めのカラーリングの車と
> 区別することは理論上出来ないのでは？
さすがに これじゃぁ情報が少なすぎですね。
> 対象（この場合、車）が画像全体を覆っていないとき、その周囲は
> 元の反射率なので、そこを基準に露出出し（たとえば、周囲が
> 土色だけど、こういう色相・彩度の物体は、自然界には、ある決まった
> 範囲の反射率のものしか存在しないから、信頼のおける情報源だと仮定）
> すれば可能と思いますが・・
「周囲の色」と「ある程度」とは、「こういう状況」と「この仮定
の確からしさ」を差してます。
つまり、ＲＧＢ夫々の（生起）確率密度関数（つまりそれぞれに 分布
が推定できるほどのバラつきが無ければ駄目）を、周囲部からサンプリ
ングし、これを基準（基準として用いる確からしさは、中心部の 同様
の確率密度関数との差 および 前記バラつきの程度から推定できる前期
サンプリングの信頼性などから算出）として中心部のＲＧＢを評価する
という意味です。
また、確率密度関数としては、ＲＧＢの３次元*同時*確率密度関数P1と、
(R,G,B)＝(1,1,1)の色相だけの確率密度関数P2と、|(R,G,B)|の確率
密度関数P3くらいは 必要かもしれない。
P1/P3が色相出現確率で、周囲部においては これは期待値が（例えば
P1とP2の内積の関数で）設定できるかも知れない（つまり 期待値は
P1,P2,P3の関数で ある程度は 小さなバラつきとなるような期待値
になるかも知れない）という意味です。
> ＃でも F5 のカタログを見る限りでは、そういうことは
> ＃してなさそうですね。
ニューロファジーを使っているだろうから、厳密にこういう式を使っ
ているわけでは無いでしょうが、学習により こういう式と類似した
結果を出力するようなメンバーシップ関数の組み合わせが生成されて
いる可能性は否定できないですよね？
＃ 私自身 ひょんな思い付きなので、あまり ちゃんと考えておらず、
＃ ふと「ある程度できるかな？」と思っただけですが... (^^;;
> 画面の最大、最小輝度，コントラスト
> ＃等を使う、従来からのマルチパターン測光方式を踏襲している
> ＃ように読める。
これを３次元でやると、上記のような処理を行っているのと類似した
結果を出すような ことも 可能になりうるわけです。
＃ たとえ設計者が意図していなくても。。。です。
> ＃そのかわり、実ショット解析結果（先験的知識の導入と言っても
> ＃いい）が導入しやすいというメリットがあるから、そうやって
> ＃いるのでしょうけれど。
ニューロファジーなので、特徴量を何にするかというメタな解析は
あるとしても、個々の特徴量の値の相関などの解析はしてないで
しょうね。そっちは 先験的知識の学習で獲得していることになる
でしょうね。
> 物理的に考えても、物体の反射率は普通100% を越えることはないので、
> 「真っ赤」な物体の、R channel の光量が、真っ白な物体の R channel
> の光量を越えることはないのです。つまり、最大値を優先して反射率を
> 考える、というのは妥当です。
こういう物理則を考えなくても、前期 P1,P2,P3 さえ「典型的特徴」と
して考えることができれば、実データの学習により、自動的に「最大値
を優先して反射率を考えている」のと似たような判別アルゴリズムに
なっているでしょうね。。。っつうことです。
> ＃普通・・と書いたのは、小城さんのメールにも関連するのですが、
> ＃蛍光物質は見かけ上 100% を越えることがあるんですよね。
んで、こういうのも学習データに入っていれば、*あたかも*、「ＲＧＢを
知る前の事前確率や、実測して画面内のＲＧＢを知った後の事後確率から、
最大値は 何％の反射率かも推定している」のと似たような結果を出す
判別アルゴリズムにもなっているでしょうね。。。っつうことです。
> ＃紫外線が多いと、可視光領域で発光するわけですから。
> ＃そういう意味では、あらかじめ入射式なり標準反射版なりで測定
> ＃した結果を使うと、オーバーになる危険性がある。
.....
> つまり、フィルム上の情報量という考え方からしても、人間の知覚
> というものを考えても、やはりエネルギーの平均が同一になるよう
> にすべきではなく、最大明度の原色チャネルを重視した露出を
> 与えるのが正しいように思えます。
こういう物理則すら 学習されてしまう可能性があるわけです。
> ということで、F5 の露出計は、出たときから、おお、着目点が
> すんばらしい。・・と思ったものでした。
私も。
しかし、そう思った以上の効果も出ている可能性があると あらためて
思ったもので。。。
> やっとカラーフィルム対応の内蔵露出計が登場したと言っても
> 過言ではないかもしれない。
だから、カラーだけでなく、白黒にも ＲＧＢ測光は 有効だと
言える可能性もあるわけです。（開発者自身が そこまで考えて
いるかどうかは不明）
＃ 白黒写真で学習させていれば。。。の話だけど。
要は、ニューロファジーでやっているから、どんな判別になっているか
分からないけど、可能性としては、そこで用いている情報の様々な
組み合わせから可能な どのような処理とも 近い結果を出すような
判別を行える可能性は 持っているわけです。
そのため、開発者当人すら気付いていない判別をしているかのような
振る舞いをすることもあるでしょうし、逆に簡単に期待できるはずで
あった結果すら 満足に出せない可能性も持っている。。。
＃ まぁ 正解が唯一とは限らない世界ですし、売られる前の（製造段
＃ 階での）学習ですから、学習そのものの試行錯誤ができるため、
＃ こういう手法でも 結果オーライで（その代わり ちゃんと結果だけは
＃ 評価すれば）構わないのでしょうけどね。
----
Koji YOSHIDA <yd@nikongw.nikon.co.jp>
Nikon Corp. 1-6-3 Nishi-Ooi
3-10th System Designing Group. Shinagawa-ku
IC Equipment Div. Tokyo 140-8601 JAPAN
<< phone: +81-3-3773-2846 >>