cvl-robot's diary

研究ノート メモメモ https://github.com/dotchang/

自分用読むべき論文メモ 2017年10月版

A. Rajeswaran, V. Kumar, A. Gupta, J. Schulman, ``Leaning Complex Dexterous Manipulation with Deep Reinforcement Learning and Demonstrations,'' arXiv:1709.10087v1 [cs.LG] 28 Sep 2017.
深層強化学習を使って教示による多指ハンドの学習

C. Funk, Y. Liu, ``Beyond Planar Symmetry: Modeling human perception of reflection and rotation symmetries in the wild,'' arXiv:1704.03568 [cs.CV] 28 Aug 2017.
深層学習を使ってアフィン変換の掛かった入力画像からの対称軸の検出

W. Ke, J. Chen, J. Jiao, G. Zhao, Q. Ye, ``SRN: Side-output Residual Network for Object Symmetry Detection in the Wild,'' arXiv:1703.02243 [cs.CV]
GitHub - KevinKecc/SRN: Side-output Residual Network for Object Symmetry Detection in the Wild
RNNを使ってスケルトンっぽい対称軸の検出

Kato D., Baba M., Sasaki KS., Ohzawa I, ``Effects of generalized pooling on binocular disparity selectivity of neurons in the early visual cortex.,'' Philos Trans R Soc Lond B Biol Sci. 2016 Jun 19;371(1697). pii: 20150266. doi: 10.1098/rstb.2015.0266.
http://www.fbs.osaka-u.ac.jp/jpn/events/achievement/kato-ohzawa-20160607/
猫の脳を調べたら、立体視は視差だけでなくwaveletから求められる階層的に表現された勾配情報も使っていたことが分かった

T. Hasegawa, M. Ambai, K. Ishikawa, G. Koutaki, Y. Yamauchi, T. Yamashita, H. Fujiyoshi, ``Multiple-hypothesis affine region estimation with anisotropic LoG filters,'' DOI: 10.1109/ICCV.2015.74.
http://vision.cs.chubu.ac.jp/~hf/Denso_AI_Seminar_2017.pdf
アフィン変換に不変な特徴量の検出を、異方性LoGフィルタをずらっと並べて主成分分析して90%の寄与率のものを使って作るようにしたら、事前計算できるし、ぐっと計算コストが減って性能が良くなったよ。なぜかアフィン領域推定のみでなく、等方性スケール推定や特徴点検出の性能も上がったよ。

猫の脳のwaveletを異方性LoGの行列圧縮版に置き換える、もしくは、waveletを同様に主成分分析風にPre計算するように考えても面白いかも。

qiita.com
データの形そのものをトポロジーの問題として解いてみる

ジェフ・ホーキンス、サンドラ・ブレイクスリー、伊藤文英訳:考える脳考えるコンピューター、ランダムハウス講談社、2005年

考える脳 考えるコンピューター

考える脳 考えるコンピューター

ディープラーニング流行はるか以前の、ディープラーニング類似の計算モデル考察の読み物。なんと一時期世の中を席巻したPalmを作った人の本。まだ、実現されてない有用なアイデアがたくさんある気がする。絶版とのことです。

V. Ila, L. Polok, M. Solony, K. Istenic, ''Fast Incremental Bundle Adjustment with Covariance Recovery,'' Inter. Conf. on 3DVision(3DV2017), 2017.
www.youtube.com
かなり高速なバンドルアジャストメントの計算法

www.youtube.com
PFNの。arXiv待ち。

J. Bian, W.-Y. Lin, Y. Matsushita, S.-K. Yeung, T.-D. Nguyen, M.-M. Cheng, ``GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence,'' In Proc. of Computer Vision and Pattern Recognition (CVPR), 2017.
GMS: Grid-based Motion Statistics for Fast, Ultra-robust Feature Correspondence – 南开大学媒体计算实验室
www.youtube.com
速くて頑健な特徴点対応付け。openCV対応ソースコード有り。

IPF方式ステレオ - オートモーティブ分野向け画像センシング技術の開発 - Panasonic
https://www.panasonic.com/jp/corporate/technology-design/ptj/pdf/v5703/p0208.pdf
原理的にPOCと同等の精度で、簡単なので圧倒的に高速。

ステファンシャールのDynamic Movement Primitives
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.142.3886&rep=rep1&type=pdf
高次のロボット動作を強化学習に掛けたいとき必須