2016/11/21（月）
朝６時起床。天気はそれほど悪くない。
しばらくメールを読んだり。７時ちょっと前に朝食。
朝食はビュッフェ。
しはらくゆっくりして、９時前に会場へ。最初に受付で学会セットをもらう。参加者リストがあったが、全部で200人ちょっとの参加のようだ。
今回の学会バッグは単なる袋。畳んで帰れるのでありがたい。お土産が入っていたが、なぜかLEDランタンだった。
オープニングまで30分あるが、会場にはパラパラと人がいる。「2分後にキーノートスピーチが始まります」というアナウンスがあって、何事かと思ったら会場係の女の子がアナウンスの練習をしているのであった。
会場でCheng先生、Pan先生らにご挨拶。来年の開催は松江なので、松江から来たコンベンションビューローの人にもごあいさつ。名刺がなくなってしまった。
9:30からオープニング。最初にPan先生がごあいさつ。
つぎに台湾科学技術大学のLee先生がごあいさつ。
Advisory Committeeを代表してYao Chao先生のスピーチ。きのう夕食でご一緒した方で、以前参加したICSPをオーガナイズしたとのことだった。280件中84件ちょっとが採択って本当かな。
感謝状贈呈。Pan先生からLee先生に、私からZhao先生に(General co-chairだから)贈呈した。
9:50からキーノート。座長は近藤先生。
Keynote Speech (I): Some Steganographic Methods for Delivering Secret Messages Using Cover Media by Prof. Chin-Chen Chang
CCC先生によるステガノグラフィの講演。8月にICSIPで聞いた講演と基本的に同じ話のようだ。
最初は情報ハイディング・ステガノグラフィの基本的な説明。次に魔方陣を使ったデータハイディングと数独によるデータハイディング。
最後にTurtle Shell Based Matrixによる方法。これは2行3列の行列の真ん中の上下に1個ずつセルを足した8個のセルによる行列（と言っていいのかな）。この中に０から７の数字を規則的に詰める。あとは魔方陣による方法と同じ。
全体的に、ピクセルのペアに対して、
LSB置換： 各ピクセルを+1または-1、1bit/pixel
魔方陣による方法： 各ピクセルを±1、0.5log2(9)bit/pixel
十字による方法： 2ピクセルのどちらかを±１、0.5log2(5)bit/pixel
数独による方法： 各ピクセルを±1、容量はよくわからない
亀甲行列による方法：あるピクセルを±1、もう片方のピクセルを最大±2、1.5bit/pixel
という感じ。質疑応答で結局どれがいいのかという話になったが、Chang先生によれば数独の方法が性能的にはもっともよいとのこと。
10:40 Coffee Break
コーヒーは自分で淹れる方式。お菓子がやたら大きい。
11:00 Keynote Speech (II): Fuzzy Forecasting Based on High-Order Fuzzy Time Series and Genetic Algorithms by Prof. Shyi-Ming Chen
ファジィ時系列からの予測問題。ファジィ時系列は、離散的なシンボル（例えば「天気」）の系列でなく、ある時刻の値が複数のカテゴリに対するメンバーシップで与えられる系列のことらしい（posteriogramみたいなものか）。
ファジィ時系列を扱うのに1次マルコフ性を仮定する場合と、もっと前からの影響を考える（高階ファジィ時系列）場合がある。また2つ以上の系列の相互関係を考える場合もある(two or more factors fuzzy time series)。例として、気温と雲の割合の時系列の相互関係の話が出た。
やり方の説明があった（詳細はよくわからなかった）が、やはり自分でカテゴリとメンバーシップ関数を定義するようだ。
予測としては、学習データの各時刻のファジィクラスの組み合わせと現在の（予測すべき）値のファジィクラスの組み合わせを（重み付き？）ルールとして、それを適用することで予測をするようだ。次数が多くなるとスパースネスの問題が出るんじゃないのかな。
後半は性能向上のために遺伝的アルゴリズムを導入する話。連続値の量子化の仕方をGAで最適化するらしい。目的関数は最終的な予測率。chromosomeを「カマサン」と発音するのが気になる。
講演としては、スライドに図が全くなくて、たくさんの値が表になっていたり（毎日の株価とか)、スライドが単なる文の羅列になったりしていて非常にわかりにくかった。
11:50 Lunch
昼食はお弁当。ちょっと多すぎて残してしまった。
食事の後、部屋に戻ってメールの読み書きなど。
13;50から午後のセッション。
Session A01: Multimedia Security and Its Applications (I)
Session Chairs:
Dr. Tzu-Chuen Lu, Chaoyang University of Technology, Taiwan
Dr. Yung-Chen Chou, Asia University, Taiwan
Dr. Chin-Feng Lee, Chaoyang University of Technology, Taiwan
High Payload Data Hiding Based on Just Noticeable Distortion Profile and LSB
Substitution
Hui-Shih Leng and Hsien-Wen Tseng
LSB置換ベースの画像データハイディングで、3x3ピクセル内の平均に対する各ピクセルの誤差の平均が大きいほど（すなわち変化の大きいピクセルほど）多くのビットを使って情報を埋めるという従来法がある。これに対して、画像のピクセル値の差に対してJNDを計算する経験式があり、これを誤差の代わりに使うというのが提案法。知覚的な品質を下げずにペイロードを増やすのが目標だが、本当に知覚的な品質が下がってないのかは検証されていない。
An Improved Data Hiding Method of Five Pixel Pair Di erencing and LSB Substitution Hiding Scheme
Tzu-Chuen Lu and Yu-Ching Lu
いくつか（表題では5ピクセル）のピクセルの組にLSB置換で情報を埋める方法らしいが、よくわからない。
A Data Hiding Method based on Multi-predictor and Pixel Value Ordering
Yung-Chen Chou, Tzu-Chuen Lu, and Jhih-Huei Wu
3x3のピクセルブロックの性質（変化率とか？）を見ながらLSB置換をするかどうかを決める方法らしい。LSB置換っていまさらもっと研究するようなもんかなあ？
Advanced Center-Folding based Reversible Hiding Scheme with Pixel Value Ordering
Tzu-Chuen Lu, Chi-Quan Lin, Jia-Wei Liu, and Yu-Ci Chen
同じ人が続けて発表。何を言ってるのか不明なので、聞く気が失せて聞いてなかった。
A Large Payload Webpage Data Embedding Method Using CSS Attributes Modi cation Jing-Xun Lai, Yung-Chen Chou, Chiung-Chen Tseng, and Hsin-Chi Liao
HTMLに情報を埋める方法。従来法はタグの属性の順番とか、属性値の引用符の種類、空白文字の表現などに情報を埋めていた。提案法では、CSSの長さ単位を使い分けて情報を埋める。
The Study of Steganographic Algorithms Based on Pixel Value Difference
Chin-Feng Lee, Jau-Ji Shen, and Kuan-Ting Lin
ピクセル値の差に情報を埋める各種方法の比較。
この後コーヒーブレイク。
Session A04: Multimedia analysis and security Session Chairs:
Dr. Yao Zhao, Beijing Jiaotong University, China
Dr. Rongrong Ni, Beijing Jiaotong University, China
Forensics of Operation History Including Image Blurring and Noise Addition based on Joint Features
Yahui Liu, Rongrong Ni, and Yao Zhao
画像の加工履歴の検出。加工としてここでは雑音付加とガウシアンぼかしを想定。具体的には画像を対象にoriginal, blur, noise, blur-noise, noise-blur の5つの識別を行う。特徴量として、空間ドメイン（隣接ピクセル間の差分のヒストグラムの頻度分布、多項式で近似）とNSCT(Non-Subsumpled Contourlet Transform)ドメインの特徴量を併用。識別はSVM。識別性能は90%弱。
Copyright Protection Method based on the Main Feature of Digital Images
Xinyi Wang, Zhenghong Yang, and Shaozhang Niu
画像のSIFT特徴量をデータベース化しておき、登録画像が不正に使われた時には特徴量マッチングでそれを検出しようという試み。操作画像の切り抜き、拡大縮小、圧縮などでどの程度検出性能が劣化するか実験しているが、なんか怪しい結果。検出率の話しかしていなかったので誤検出はどうなのか聞いてみたが、実験してない模様。
An Improvement Image Subjective Quality Evaluation Model Based on Just Noticeable Difference
Bohan Niu
著者が来られないということで、前の発表をしていた別のNiu先生が続けて発表。JNDを使った画像品質評価は前のセッションにあったのと同じものか。画像劣化知覚と相関する客観評価指標を作るため、まず主観評価実験を行う。その結果から、JND値から5段階評価値を導出する実験式を作成。ODGをMOS-LQOに変換するみたいな式。
A New Image Encryption Instant Communication Method Based On Matrix Transformation
Jiancheng Zou and Tengfan Weng
アーノルド変換を一般化した変換による画像スクランブル。ピクセルの位置を線形変換（ただし画像をトーラスとみなす）によって変換する。変換のパラメータを鍵にすることと、画像の異なる部分を異なるカギでスクランブルすることで安全性を増すということらしい。
The Election of Spectrum Bands in Hyper-spectral Image Classification
Yi Yu, Yi-Fan Li, Jun-Bao Li, Jeng-Syang Pan, and Wei-Min Zheng
マルチスペクトル画像のピクセル分類で、近傍ピクセルも特徴量として使って、識別器にSVMをつかうのが売りらしいが、新しいのか？スライドの文字が小さすぎて発表者も読めなくて困るというところがハイライト。
Evaluating a Virtual Collaborative Environment for Interactive Distance Teaching and
Learning: A Case Study
Wen Qi
VRを利用した遠隔教育の評価。マルチユーザVRにOpen Wonderlandというツールキットを使っているらしい。立体音響をサポートするらしいのでちょっと興味がある。仮想講義室を作って、学生がそこに集まって仮想講義を行う。評価といいつつ定量的な評価をしていない。
セッションはこれで終わり。珍しく今日はNo Showがなかった。
17:30から夕食なので、いったん部屋に戻ってメールの読み書き。
時間近くなって会場へ。クリスマスの飾りつけをしている。
食事はビュッフェだが、メインディッシュだけ事前にアンケートを取っていて、席まで持ってきてくれるスタイル。メインはステーキとフライドチキンとサーモンの３択。日本人８名でテーブルをシェアしたが、うち７人はステーキだった。
ビュッフェからはサラダとかデザートなどを取ることができる。
結構食べて部屋に戻る。坂本先生たちは夜市に行ったらしい。
部屋では明日のスライドの仕上げ、来週のハワイのスライドづくり、タブレットへのTeXのインストールなどをする。TeXliveがなかなかダウンロードできなくて苦労した。
24時ちょっと前ぐらいに寝る。
前の日へ 目次へ 次の日へ