2013/10/16


5時起床。今日もいい天気。メールを書いたりする。千葉君のICASSP原稿チェックにようやく取りかかれる。

6時半過ぎに朝食。一昨日・昨日と食べ過ぎていて、あまり食欲はない。鵜木先生、近藤先生とご一緒する。


8時半からオープニングなので少し前に会場へ。まだ設営をしている。


セッションオーガナイザーなどは前の方に名札があって席が指定のようだった。私の席を探していたら、なぜかステージ上だった。係りの人に案内されて控え室みたいなところで待たされる。来賓の先生方と挨拶。

8;30よりやや遅れてオープニング。北京工業大学学長挨拶(中国語+同時翻訳)、実行委員長、来賓挨拶。この後キーノート。

Keynote 1
Towards Model Based Video Coding (Wen Gao, Peking U)


映像符号化法の紹介。
○映像符号化の基礎
 いかにして冗長性を除去するか。時間的冗長性と空間的冗長性。
 理論的上限とはまだ開きがある
・符号化の基礎
 過去フレームを「知識源」として使う
 変換ベース符号化(DCTなど)と予測符号化
・予測符号化
 Short-term reference(〜2秒)
  TV放送用途
 Long-term reference(〜数分)
  監視カメラ映像用途
 Free-term reference(制限なし)
  Internet video用途

○Short-term reference
・TV放送用符号化
 平均的なショット長は30秒ぐらい
 3種類のフレーム(I, B, P)
 時間的にずっと前のフレームを参照し続けると誤差が蓄積
 主観的に要求される品質:映像に知覚できる誤差がないこと、タイミングが正確であること
・ユニットごとの予測
 64x64 PU、最近の予測では9方向だけでなくもっと細かい方向を使う
 ブロックの様々な分割方法を考慮
・映像符号化標準のロードマップ
 H.264(2003)→H.265(2013)→?(2023)
 次世代符号化に必要な技術は?
・映像符号化のキープレイヤー
 1st gen.: Sony, Panasonic, Philips
2nd gen.: Samsung, HHI, Panasonic,Apple,Intel→Microsoft→China TV→Google

○長時間リファレンス(モデルベース)映像符号化
・監視カメラ映像の符号化動向、圧縮率の推移
・監視カメラ映像のチャレンジ:圧縮、検索、認識
・映像分析(Analysis)と符号化を統合できるか?
・監視カメラ映像における背景モデル。時間とともに背景モデルが蓄積され、それにつれて映像の圧縮率が上がるのが理想。
・監視カメラ標準 IEEE1857
 映像通信と誤り耐性向上
 高効率符号化のサポート
  G-pictureを使った背景差分予測
  高効率エントロピー圧縮(Context-based Arithmetic Coding)
 映像分析のサポート
  ROI記述の標準化
  G-pictureを使った物体検出
  イベント指向の分析とインデキシング
  ROIと物体IDを直接エンコードできる
 背景モデル
  照明条件の変化への対応

○Free-term referenceの方式について
・クラウド上のマルチメディアデータ
・インターネット上の画像のグループ化
 →似たグループの画像からの差分の符号化
  SIFTによる特徴点抽出と対応付け→特徴点に基づく変換→差分

○未来の方向は?
 人間の視覚ベースの符号化

最後にNSF Chinaの紹介。

コーヒーブレイク。人が多い。


Keynote 2
Human activity recognition for video content analysis and description (Ioannis Pitas, Aristotle U of Thessaloniki)
スライドの字が小さくて見えない。しかもなにを言っているのかわからん。
○人間の行動の階層性について。基本的な動きの組み合わせによって行動が記述される。
○応用:監視カメラ、映像圧縮、HCIなど
○動作認識のステップ
・行動クラスの定義(「歩く」など)
・特徴(人間のシルエット映像)抽出
・領域切りだし→ベクトル化
・ポーズのクラスタリング(k-means/SOM)
○認識:
・次元圧縮(PCA,LDA)
・分類(NN)
○マルチカメラによる認識
 どのカメラがどこの映像をとらえているのかわからない
 →人間の体の構造を使う
 DFTベースの方法
 単眼カメラの認識結果の組み合わせ
○Human Action Recognition "in the wild"
○食事シーンの認識
○複数カメラによる人物認識(person identification)
○表情認識への応用
○ビッグデータへの応用(行動認識+個人認識)

Keynote 3
Challanges on Video Surveillance under Quality Expectations and Big Data Environment (Wan-Chi Siu, Hong Kong Polytechnic U)
またもやスライドが全く見えない。

このまま聞いていても時間の無駄なので、部屋に戻って仕事。論文添削の仕事を一つ片づける。

13時頃昼食。空いている。


13時半から午後のセッション。

☆Advanced Multimedia Processing and Retrievals
司会は大阪市立大の鳥生先生。プレゼン用のPCの背景が鏡音リン。勇者だな。

A Method for Affine Invariant Image Smoothing (Y.Sanjo, Osaka City U)
アフィン変換に不変な画像平滑化。通常のガウシアンによる平滑化では、平滑化してから変換した場合と変換してから平滑化した場合では結果が異なる。提案法では、最終的な画像は平滑化とアフィン変換の順序によらない。繰り返しを使うようだが、原理がよくわからなかった。

Diagnosis Algorithm of Immunity-Based System with Continuous Variable of Mutual Test Results among Sensors (K. Wada, Osaka City U)
都合によりこの発表が最後。PC画面が写らなくてちょっと苦労していた。
センサーがあるような高信頼性システム(発電所とか)で、メンテナンスでの停止期間を短くするために、壊れたセンサーを自動的に検出する。複数(3つ以上)のセンサーで互いを監視し、相手が異常に見えたかどうかの値を集積してセンサーが異常かどうかの評価値を計算する(自分以外全部異常に見えればそのセンサーが異常という原理)。評価値の算出にはカルマンフィルタ的な動的システムを仮定しているようだけどよくわからなかった。

Matching of Laser Range Sensor Data and 3D Surface Scanner Data Robust to Abnormal Values Using Evolutional ICP Algorithm and Gaussian Function (S. Nakajima, Osaka City U)
赤外線スキャナ(Kinect)による3DスキャンとLRFによる2Dスキャン結果のマッチング。Kinectは3次元スキャンが可能だが近くのものしか見えず、LRFは遠くまで見えるが水平面上のスライスしかわからないので、それらを組み合わせようと言うアイデアか。ここで言うAbnormal valuesは、LRF距離データから背景を除いたときに、物体と背景の間に実際にはない表面が見えてしまうことを指すらしい。Kinectとの対応をとることで、そのabnormal valuesを除去できる。ICPアルゴリズムは、ここでは2次元スライスを変換γによって3Dデータのある断面にあわせたときに、その誤差が最小になるγと対応点を同時に求める方法らしい。GA的な方法を使っているが、そこまでする必要があるのだろうか。

An Integrated Framework for Disaster Event Analysis in Big Data Environments (Pyke Tin, Osaka City U)
ビッグデータ(TwitterとかFacebookとか)から災害情報を抽出という話のようだが、話が抽象的で具体的になにをするのかわからない。なにがいいのか質問してみたが、「さまざまなSNSの情報を統合してイベントが探せる」と言う答え。本当かなあ。

Image Processing Approach to Automatic Scoreing System for Atchery Targets (Thi Thi Zin, Osaka City U)
アーチェリーの当たりの自動判定。矢が刺さった的の画像から背景消去で的を消去し、矢の部分を抽出してその先の座標から当たり位置を得る。定量評価はなし。

A New Moment Based Image Quality Metric (Leida Li)
No Show.李雷達先生すっぽかしか。

Detection of Region Duplication FOrgery in Images under Affine Transforms (Leida Li)
No Show.

午後後半のセッションをどうしようか考えたが、あまり関連する話もないので、長野君と二人で市内見物に行くことに(私は行ったことがあるが)。ついでに、明日以降のプレゼンで使うスピーカーを持ってくるのを忘れたので、可能ならそれも仕入れたい。


ホテルから歩いて潘家園まで20分ほど。


10号線から1号線に乗り換えて、天安門東で降りる。


外に出たところで、座っていた物売りの婆さんから北京交通旅遊図の2013年版を買う。3元だというので2元に値切ったが、粘れば1元になったはず。


天安門広場。


広場のなんだか建物。


正陽門。


途中に電気製品っぽい店が何軒かあったのだが、カメラしか売ってない。

鉄道博物館。中は見なかった(閉鎖中だった気も)。


前門。おしゃれレトロな雰囲気。


大柵欄。


とりあえず端まで歩く。端の方に食品市場があるので冷やかしてみたが、お菓子が多かった。きれいだけどおいしくないんだよね。


そこから一本裏の飲食店街へ。いい雰囲気。


何か食べようとふらふら歩く。どの店を見ても出すものは大体同じなので、比較的空いてる店に入る。


中に入ってまずビールを頼み、勢いでどんどん頼む。

拉面は香菜が効いた癖のある味(私は好き)。スクランブルエッグはいかにもMSG入ってますという味だがおいしい。餃子・肉とも実にうまい。頼みすぎて食べきれなかった。二人で120元ちょっと。

そこから前門の方に戻る。途中レノボの店とか見てみたがスピーカーはなかった(ヘッドホンはあるのに)。

ホテルに戻るのにタクシーを捕まえたかったが、なかなか捕まらない。外側にだいぶ歩いて、横道で待ちかまえてようやく拾えた。

道は混雑がひどく、なかなかホテルに着かない。事情があるのかもしれないが、だいぶ遠回りした気がする。30分ぐらい走ってようやくホテルへ。ホテル名を口頭で運転手に告げていたので、本当に通じたかやや不安で、ちゃんとホテルに着いたときはほっとした。50元。

部屋に戻り、メールの返事書きや日記付けなど。23時半ごろ寝る。


前の日へ 目次へ 次の日へ