【課題】第１の符号化フォーマットの入力ビデオを第２の符号化フォーマットの出力ビデオにトランスコードする方法を説明する。
【解決手段】ビデオはセグメントのセットを含み、各セグメントはフレームを含む。まず、本方法は、入力ビデオ内の、ダウンサンプリングに対して回復力があるセグメントのセット及びフル解像度のセグメントのセットを求める。次に、本方法は、ダウンサンプリングに対して回復力があるセグメントのセットをダウンサンプリングして、ダウンサンプリングされたセグメントのセットを生成する。そして、本方法は、フル解像度のセグメントのセット及びダウンサンプリングされたセグメントのセットを使用して入力ビデオをトランスコードして、異なる解像度を有する少なくとも２つのセグメントを含む出力ビデオを生成する。 （もっと読む）

【課題】画像分割方法を提供する。
【解決手段】本発明の実施の形態は、画像を分割する方法を説明する。画像の初期分割を実施して、先行する分割領域を生成し、該先行する分割領域の形状事前分布に基づいて、空間ランダムウォークを使用して画像を反復的に分割して、次の分割領域を生成する。次の分割領域を先行する分割領域と比較し、先行する分割領及び次の分割領域が収束するまで、分割及び比較を繰り返す。その後、次の分割領域を最終分割領域として選択する。 （もっと読む）

【課題】ロボットマニピュレータの運動計画、障害検出および診断、または画像ベースの視覚サーボ制御に使用することができる方法および装置を得る。
【解決手段】方法および装置は、最初に特徴の座標を推定して透視特徴画像のシーケンスを生成することによって、移動カメラによってシーンから取得される画像シーケンス内で観測される特徴の奥行きを推定する。透視特徴画像のシーケンスに微分方程式のセットを適用して、カメラの直線速度および角速度のベクトルならびにカメラの焦点距離のみを使用して、奥行きに対する低次元動的状態推定量を形成する。カメラをロボットマニピュレータのエンドエフェクタ上に搭載することができる。カメラの速度は、ロボット関節符号化器の測定値および既知のロボット動力学によって求められる。 （もっと読む）

ネットワークが、マスターノードとスレーブノードのセットとを含み、サブキャリアにおいてＯＦＤＭ及びＴＤＭＡのシンボルを用いて、第１のダウンリンク送信中に、マスターからスレーブのセットに、ダウンリンク及び全サブキャリアにより各スレーブのデータパケット及び該スレーブのサブキャリア割当てを含むブロードキャストポーリングパケットをブロードキャストさせ、各スレーブにアップリンク及び割当サブキャリアを用いてブロードキャストポーリングパケットを受信後に第１の応答パケットを同時にマスターに送信させ、次にマスターにダウンリンク及び全サブキャリアによりグループ肯定応答パケットをブロードキャストさせる。ブロードキャストポーリングパケット、応答パケット、グループ肯定応答パケットは１つの通信サイクルの１つのスーパーフレームに含まれ、ダウンリンクでのブロードキャスト及びアップリンクでの送信は時間的に重複しない。 （もっと読む）

【課題】送信元ノードから一組のリレーノードを介して宛先ノードへ送信元エントロピーのメッセージを伝送する方法を説明する。
【解決手段】一組のリレーノードは、無線リンクによって接続されたノード及び次のノードを含む。次のノードは、メッセージの１つ又は複数の前の伝送からの累積ナットを受信することを保証される。ノードから次のノードへのメッセージの伝送は、次のノードによって受信されることを保証された累積ナットを求めること、ノードから次のノードへ伝送されるメッセージの最小ナットと累積ナットとの合計が送信元エントロピーよりも小さくならないような最小ナットを計算すること、及び最小ナットを有するメッセージをノードから次のノードへの伝送することを含む。 （もっと読む）

【課題】物体の３Ｄ姿勢を推定することに関し、より詳細には鏡面反射物体の３Ｄ姿勢を推定する。
【解決手段】方法が、環境内の３Ｄ鏡面反射物体の３Ｄ姿勢を推定する。前処理ステップにおいて、物体の３Ｄモデル及び該物体の姿勢のセットを使用して２Ｄ基準画像対のセットを生成する。各基準画像対は姿勢のうちの１つに関連付けられる。次に、物体の２Ｄ入力画像対を取得する。２Ｄ入力画像対内の特徴と各２Ｄ基準画像対内の特徴とを、概算コスト関数を使用して比較することによって物体の大まかな３Ｄ姿勢を推定する。概算推定値を、精密コスト関数を使用して精緻化する。 （もっと読む）

【課題】分類器をトレーニングするために、大量のラベル付きトレーニングデータを必要としない能動学習法を提供する。
【解決手段】終了条件に達するまで、以下のステップを繰返し実行することによってマルチクラス分類器をトレーニングする。ラベル無しデータのアクティブプールから得られるラベル無しデータのためのクラスメンバーシップの確率が推定される。最も大きな確率と、２番目に大きな確率との間の差が求められる。最も小さな差を有するラベル無しデータが選択され、ラベル付けされ、分類器をトレーニングするためのトレーニングデータセットに追加される。 （もっと読む）

【課題】方法が、未知のロケーションを有するターゲットノードおよび既知のロケーションを有するアンカーノードのセットを含む無線ネットワーク内のノードのセットをロケーション特定する。
【解決手段】アンカーノードのセットはアンカーノードのサブセットに分割され、各サブセットは少なくとも３つのアンカーノードを有する。ターゲットノードから、各サブセット内のアンカーノードのそれぞれへの距離が測定され、ターゲットノードのとり得るロケーションが推定される。各推定されたロケーションに幾何学的制約を適用され、有効なロケーションが求められる。この有効なロケーションはフィルタリングされ、フィルタリングされたロケーションが求められる。フィルタリングされたロケーションが平均化され、ロケーションの初期推定値が求められる。 （もっと読む）

【課題】この発明の方法は、基地局（ＢＳ）のセットを含む無線ネットワークにおける資源割当てを予測する。
【解決手段】各ＢＳは１つのセル内にあり、移動局のセットにサービス提供する。すべてのＢＳに対する資源割当てのシーケンスおよびルールを定義する。隣接するセル内のＢＳから以前の資源割当てを取得する。各ＢＳにおいて、次の割当てに関して、前記隣接するセル内のＢＳによる以前の資源割当て、並びに資源割当てのシーケンスおよびルールに基づいて、セル内のＭＳのセットに対するセル間干渉（ＩＣＩ）を独立して予測する。次に、各ＢＳは、ＩＣＩおよび以前の資源割当てに基づいて、セル内のＭＳに対して資源を割り当てる。 （もっと読む）

【課題】方法は、深度画像をフィルタリングする。
【解決手段】各深度画像は、位置（ｘ，ｙ）におけるピクセルのアレイを含み、各ピクセルは、深度を有する。深度画像内のピクセルに、動くウインドウが適用される。このウインドウのサイズは、各ピクセルを中心として１組のピクセルに及ぶ。ウインドウ内の１組のピクセルからの単一の代表深度がピクセルに割り当てられ、処理された深度画像が生成される。その後、処理された深度画像内の各ピクセルをフィルタリングして、深度不連続部を不鮮明にすることなく異常値深度が補正され、フィルタリングされた深度画像が生成される。 （もっと読む）