テーマ名： 目の「見え」を数値化する！ －AAMを用いた目の自動構造抽出－ 発表論文 MIRU 2006 (予稿 (PDF 1.62MB)、ポスター(PDF 3.37MB, PNG 568KB) 研究の目的と着想 目の運動（まばたき、表情）による各部位（上眼瞼（まぶた）、下眼瞼、眼瞼裂）の動きを時系列に追跡することを目的とする。生まれつき細い目なのか、目の運動の結果細い目になったのかは、１枚の画像からは判断できない。したがって、「平静の顔である」とわかっている顔画像１枚で生まれつきの目の構造（二重の厚みと濃さ、瞳のサイズと色、下まぶたの膨らみ）を取得し、残りの画像列では、この構造に基づいた目の運動追跡を行う。ここでは目の構造を取得する、すなわち目の生まれつきの“見え”を数値化する研究を紹介する。 AAMの構築 入力は頭部運動追跡によって得られる頭部運動正規化画像列と顔特徴点（眉毛両端点、目
<body bgcolor="#FFFFFF"> <p>This site is dedicated to Active Appearance Models (AAM); a group of higly flexible deformable models introduced in the 1998 paper "Interpreting Face Images using Active Appearance Models" by Edwards, Taylor and Cootes of Manchester University. <p>This page uses frames, but your browser doesn't support them.</p> </body>
このサイトについて DERiVEはコンピュータビジョン、画像認識が専門のMasaki Hayashiがお送りしている、コンピュータビジョン(Computer Vision)を中心としたITエンジニア、研究向けのブログです。※「DERiVE メルマガ別館」は2015/9月で廃刊致しました、 twitterでもつぶやいたのですが、Avatar Kinectの表情トラッキングの原理の動画を見るに、表情の変化のトラッキングに用いているのが、AAM(Active Appearance Models)を使っているのかなと憶測しています。以下がその動画で、AAMではないかなと思っている顔のモデルが右側の黄色のメッシュです。 AAMとは簡単に説明すると、 1.顔の特徴点の形状（Shape）変化 2.顔の各領域のテクスチャーベクトル（Appearance）の変化 の2つを１つのモデルにして、これらの変化を同
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く