シラバス情報

教員名 ： 谷口　行信
科目授業名称（和文）　Name of the subject/class (in Japanese)
映像メディア処理特論
科目授業名称（英文）　Name of the subject/class (in English)
映像メディア処理特論
授業コード　Class code
994G25A
科目番号　Course number
46CSINS502

教員名
谷口　行信
Instructor
Yukinobu Taniguchi

開講年度学期
2026年度後期
Year
2026年度
Semester
②Second semester
曜日時限
月曜3限
Class hours
Monday 3th Period

開講学科・専攻　Department
工学研究科　情報工学専攻

Department of Information and Computer Technology, Graduate School of Engineering
単位数　Course credit
2.0単位
授業の方法　Teaching method
講義

Lecture
外国語のみの科目（使用言語）　Course in only foreign languages (languages)
-
授業の主な実施形態　Main class format
① [対面]対面授業/ [On-site] On-site class

概要　Description
画像・映像メディアは人にとって直観的で分かりやすい情報表現であり，様々な分野で画像・映像の活用が進んでいる．コンピュータビジョンの分野で発展しつつある要素技術について、輪読・課題演習を通じて理解を深める．

Images and videos are intuitive and efficient visual media that are widely used in many situations. This lecture deals with the recent topics and techniques that are developing in the field of computer vision through reading and exercises in turns.
目的　Objectives
画像認識，コンピュータビジョンの要素技術について理解を深める．

The aim of this lecture is to acquire the knowledge of recent topics and techniques in image recognition and computer vision.
到達目標　Outcomes
・画像認識・コンピュータビジョンのいくつかのトピック，要素技術について概要を理解し説明できる．
・公開ライブラリを用いた簡単なプログラムを作成できる．

Aiming to be able:
to demonstrate the knowledge of some recent topics and techniques in image recognition and computer vision,
to create simple programs using public libraries, understanding the recent topics and techniques.
卒業認定・学位授与の方針との関係（学部科目のみ）
履修上の注意　Course notes prerequisites
・画像処理の基礎知識が必要（情報工学科選択科目「画像処理」のレベル）
・OpenCV, Numpy等を用いた課題に取り組むためPythonの知識を持っていることが望ましい．
・日本語で講義を行う．日本語の理解が困難な留学生がいる場合は英語で補足する．

Required is the basic knowledge on image processing, which is at the same level as the undergraduate course “Image Processing”.
Python programming skill is desirable to work on assignments using libraries such as OpenCV and Numpy.
Lectures will be given in Japanese. If there is an international student who has difficulty in understanding Japanese, some supplemental descriptions will be given in English
アクティブ・ラーニング科目　Teaching type（Active Learning）
ディベート・ディスカッション　Debate/Discussion／プレゼンテーション　Presentation
-

準備学習・復習　Preparation and review
・教科書を読んでプレゼンテーションの準備を行う（プレゼンテーションは1回以上）．
・授業で学んだ知識を利用して課題に取り組みレポートを作成する（2回）．　

Read the textbook before each class and prepare for the presentation, which is assigned at least once per person.
Work on assignments based on the knowledge learned in classes (two times)
成績評価方法　Performance grading policy
授業でのプレゼンテーション・貢献度(40%)，課題レポート（60％）を総合して評価する．

To be evaluated by in-class presentation and participation in discussion (50%), assignment reports (50%)
学修成果の評価　Evaluation of academic achievement
・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

教科書　Textbooks/Readings
教科書の使用有無（有=Y , 無=N）　Textbook used(Y for yes, N for no)
Y
書誌情報　Bibliographic information
A. Torralba, P. Isola, and W. T. Freeman, "Foundations of Computer Vision," The MIT Press, 2024.
https://visionbook.mit.edu/
MyKiTSのURL（教科書販売サイト）　URL for MyKiTS(textbook sales site)
教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

参考書・その他資料　Reference and other materials
1.を教科書として使用する。

1. A. Torralba, P. Isola, and W. T. Freeman, "Foundations of Computer Vision," The MIT Press, 2024.
https://visionbook.mit.edu/
2. Richard Szeliski, “Computer Vision: Algorithms and Applications 2nd Edition,” Springer, 2022. (https://szeliski.org/Book/download.php)
3. 米谷竜，斎藤英夫（編著），コンピュータビジョン−広がる要素技術と応用−, 未来へつなぐデジタルシリーズ，共立出版, 2018.
4. CG-ARTS協会「デジタル画像処理」CG-ARTS協会．

Use 1 as the primary textbook.
1. A. Torralba, P. Isola, and W. T. Freeman, "Foundations of Computer Vision," The MIT Press, 2024.
https://visionbook.mit.edu/
2. Ryo Yonetani and Hideo Saito (eds.), “Computer Vision: Extending Fundamental Techniques and Applications,” Kyoritsu Publishing, 2018.
3. Richard Szeliski, “Computer Vision: Algorithms and Applications 2nd Edition,” Springer, 2022. (https://szeliski.org/Book/download.php)
4. CG-ARTS, “Digital Image Processing – second edition,” CG-ARTS, 2020.

授業計画　Class plan
1. ガイダンス
講義の進め方、概要
2. 画像生成
5. 撮像、6. レンズ
3. 画像生成：
7. 線形システムとしてのカメラ、8. 色
4. 画像処理の基礎：
15. 線形フィルタリング
5. 画像処理の基礎：
16. フーリエ解析
6. 線形フィルタ：
17. 平滑化フィルタ、18. 画像微分
7. 演習 1
8. サンプリングとマルチスケール画像表現：
20. 画像サンプリングとエイリアシング、21. 画像のダウンサンプリングとアップサンプリング
9. サンプリングとマルチスケール画像表現：
22. フィルタバンク、23. 画像ピラミッド
10. 画像の確率モデル：
27. 確率的画像モデル, 28. テクスチャ
11. 幾何の理解：
38. 画像と幾何の表現、39. カメラモデルと校正
12. 幾何の理解：
40. ステレオビジョン、41. ホモグラフィー
13. 幾何の理解：
42. 1枚画像から深度推定，43. 多視点幾何と動きに基づく3D再構成
14. 動き認識：
46. 動き推定、47. 3Dモーションと2D投影、28. オプティカルフロー推定
15. 演習2

1. Guidance
2. Image formation:
5. Imaging, 6. Lenses
3. Image formation:
7. Camera as Linear Systems, 8. Color
4. Foundations of Image Processing:
15. Linear Image Filtering
5. Foundations of Image Processing:
16. Fourier Analysis
6. Linear Filters:
17. Blur Filters, 18. Image Derivatives
7. Exercise 1
8. Sampling and Multiscale Image Representations:
20. Image Sampling and Aliasing, 21. Downsampling and Upsampling Images
9. Sampling and Multiscale Image Representations:
22. Filter Banks, Image Pyramids
10. Probabilistic Models of Images:
27. Statistical Image Models,  28. Textures
11. Understanding Geometry:
38. Representing Images and Geometry,39. Camera Modelling and Calibration
12. Understanding Geometry:
40. Stereo Vision, 41. Homographies
13. Understanding Geometry:
42. Learning to Estimate Depth from a Single Image, 43. Multiview Geometry and Structure from Motion
14. Understanding Motion:
46. Motion Estimation, 47. 3D Motion and Its 2D projection, 48. Optical Flow Estimation
15. Exercise 2


担当教員の実務経験とそれを活かした教育内容　Work experience of the instructor
-
教育用ソフトウェア　Educational software
-
Python, OpenCV

備考　Remarks

授業でのBYOD PCの利用有無　Whether or not students may use BYOD PCs in class
Y
授業での仮想PCの利用有無　Whether or not students may use a virtual PC in class
N