創新使用者互動介面研究 (UIUI)

Hitachi 在 TechCrunch 50 上面推出 GazoPa，使用者可以用圖片來找到相似的圖片，也可以藉由塗鴉 (graffiti) 來找到類似的圖。這個是不是聽起來很熟悉? 的確，這個跟我們之前介紹的 retrievr 的概念是一模一樣，所實作的 paper 是 SIGGRAPH 2005 年的 “Fast Multiresolution Image Querying“.而且類似的概念 like.com 也有了，所以…Hitachi 這個東西創新性足夠上 TechCrunch 50 @@?
Demo 如下:

via: Gizmodo
熱門程度: 34%

熱門程度: 34%

Read Full Post »

癮科技的 Andy 寫了一篇 <眼、腦與照相>，這一篇的文章實在是太符合我的胃口了。這邊特此轉錄跟大家分享。希望 Andy 會有這種類似的專欄囉 :)======== 轉錄分隔線 ==== ====
渡邊謙& 50D (YOSHIKAZU TSUNO/AFP/Getty Images)
稍微回想一下 — 就是一秒鐘前的事 — 上面那張照片剛閃過的時候，你先看到的是什麼？科學家已經有毫無疑問的答案：渡邊謙的臉。Canon 的相機（你有看到他拿著台相機吧 @@）在這裡是剛好沾光，因為它擋到了臉的一部份，如果再拿遠一點的話，可能會完全被忽略掉也不一定。這就是科學家在研究的眼、腦與照相之間的關系的一個例子。照相真實地重現了一個人眼見到的畫面，這個瞬間，攝影師所見到的畫面被定格，永遠的存下來。所以，照相機的功能不僅是在模擬人眼看到的景像，最後的輸出，也是要給人眼看的。在了解這點後，人眼的能力與照相機的能力的比較，以及相片中的影像如何被腦部解讀就成為了一個很有趣的課題。PopPhoto.com 整理了幾點人眼和相機的不同處，以及這些不同處對照相而言所代表的意義…解析度原則上：人眼的總可視角差不多有 120 度，總計約 5 億 7600 萬畫素（576mp）。實作上：照相機的解析度（目前來說）遠遜於人眼。但人類的大腦是個很神奇的東西，會自動把解析度不足的部份自動用「補插點法」補足，因此普通 3mp 的照相機照出來的畫面顯示在螢幕上，我們也不會覺得解析度不夠。景深原則上：人眼的構造也和相機不太相同，因此不大能套用相同的理論來解釋，不過人眼的「焦段」大約在 22mm，「光圈」約為 f/3.5，視角幾近 180 度。有趣的是，人眼看到的範圍中，只有中間的 2 度左右是銳利的，其他是愈向外愈模糊。實作上：這大概也是為什麼淺景深照片一般比較受喜愛的原因。因為人眼視線範圍中只有一點點是銳利的，自然將不重要的背景做糊焦處理，會有助於將人眼的視線（那窄窄的 2 度）集中在主體上。感光度原則上：人眼的感光度是會自動調整的。晚上的時候大約在 ISO 800 左右，大白天時則大約只有 ISO 1。但又一次的，人眼的運作原理和照相機有很大的不同 — 人眼會自動將很多「格」的畫面疊加，來增強夜視能力。實作上：因此照相機可以輕易地超過人眼的 ISO 極限，就算晚上從觀景窗看出去一抹黑，用 ISO 6400 仍然能拍出照片來也說不定。動態範圍原則上：人眼的動態範圍非常廣，從正午的太陽到午夜的星星都看得見，整體算下來大約有十億比一之譜，照相機就差得遠了。實作上：技術上照相機可以用 HDR 的技術來模擬出人眼在某些環境下的高動態範圍，但即使如此，目前的呈現媒介（螢幕、照片）還是無法複製人間的動態範圍。只能說，有些真正的美景仍然是只能看在眼裡，記在心裡的。線條原則上：當畫面有線條時，人眼的視線會沿著線條走，並且短暫停留在轉角處。實作上：線條不一定要是線，也可以是色彩間的變化、或是強對比產生的線條。應用在照片上，就是多拍地平線、多拍藍天白雲的意思。如果有重要的目標，可以放在線條交叉的地方，有助於引導觀看者在目標上停留。光線原則上：科學家發現，當無法從畫面的光影判斷光線來向時，右撇子會自動認定光線來自畫面的左上方，而左撇子則會自動認定光線來自畫面右上方。實作上：反過來說，拍攝時將光線設置為從左上方打入，會看起來最自然（抱歉了，左撇子們 XD）。人臉原則上：人類是完全被「臉」制約的生物。只要視線中有臉出現，視線幾乎毫無例外地會立刻被吸引過去，判斷對方是敵、是友、還是可能的交配對象 (!?)實作上：看你是要拍什麼樣的照片囉？如果是拍景的話，那就要極力避免畫面中出現臉。如果是同時拍人和拍物的話，就要設法將物靠近臉，增加「曝光」的機會。如果實在不知道拍什麼好的話，拍帥哥正妹絕對是萬靈丹啦！視線追移原則上：如果畫面中的人眼不是對著鏡頭的話，看照片的人會自然地跟著畫面中視線的方向移動，試圖找出畫面中的人在看什麼。實作上：讓畫面中的人（如果他不是主角的話）看著畫面中的重點。如此一來看照片的人的視線，就會自然從人臉移到物體上。預期運動原則上：當人眼追蹤移動中的物體時，會自然的把視線放在移動物體的前上一點點的位置，以避免追蹤時丟失了目標。實作上：照相時在物體的前方稍微留一點白，會形成好像物體在移動的假像。–所以為什麼廠商喜歡找 Showgirl？為什麼 Showgirl 每次的 pose […]

熱門程度: 27%

Read Full Post »

 在一年一度的 SIGGRAPH 盛會上面，Microsoft 展現了跟華盛頓大學合作的新版 Photosynth，在這新版的 Photosynth 當中加入了許多的新元素，包括 Lighting 的改變/針對圈選區塊做攝影機環繞/偵測攝影機的數量 (在一個環繞軌道上面的照片數量) 然後偵測出可以觀看物體的各種環狀軌道，實在太厲害了，各位可以看一下 Demo:

via: WebWare
熱門程度: 37%

熱門程度: 37%

Read Full Post »

IBM 最近在進行一項 Project 叫做 PENSIEVE，是要用來幫助大家來做名片管理，只要對人照一張相，然後再對名片照一張照片，就可以把 information 都 match 起來:

via: TechCrunch
熱門程度: 33%

熱門程度: 33%

Read Full Post »

由 Mr. Wednesday 所製作的漫畫自動產生器，很有趣，我和 Mr. Wednesday 在半年多前有討論過這個 Idea，當然強大的 Mr. Wednesday 當時就把它完成了。不過，對於僅僅 KUSO 的東西，不是我關注的部份。如何利用圖片來表達文章幫助回憶，這是我思考的部份，不過我還沒有解答。
=====
漫畫自動產生器，這是很久以前無聊時的突發奇想，剛好碰上這次有幸參與Demomo Show的活動，跟大家分享一下我的點子。

簡單來說，這是一個四格漫畫自動產生器，輸入一篇文章就會根據文章內容自動產生四格漫畫。
按這裡瀏覽簡報投影片。

系統分成以下幾個步驟處理：

從文章中找出有代表性的關鍵字：
將使用者輸入的文章利用抽詞工具將其中的關鍵字抽取出來，並利用改良後的TF-IDF概念計算每個關鍵字的分數並加以排序，找出代表性高的關鍵字（分數高的）。
找出重要的句子：
將文章拆成一個一個句子，每個句子的分數就是其中所含有的關鍵字的分數總和，排序選出最重要的四句，作為漫畫的四個字幕。
找出圖片：
將四個最重要的句子丟到Flickr與Google Image Search找出相關的圖片，選出相關的四張圖片。
將字幕與圖片結合
完成

概念上很簡單，但是許多細節的處理累積起來都會造成結果不夠理想，其中最難處理的問題就是要如何定義『好笑』這件事。
歡迎大家試玩，有任何疑問或建議非常歡迎提出來一起討論。
特別感謝Mr. Friday在百忙之中還抽空幫我去現場報告，大感謝。
熱門程度: 35%

熱門程度: 35%

Read Full Post »

在 Mr. Wednesday 的社交網站收集與研究上看到的，正如 Mr. Wednesday 所說的，這個最大的問題在於圖片的上的意義，對於一張圖片，每個人的意義可能不太一樣，因此，在用文字搜尋時，反而效率是比較低的。
=====
今天發現一個好玩的新服務，應該是由國人自行開發的部落格搜尋引擎，叫做fhkkta。

fhkkta分成白天版與夜晚版，夜晚版的介面比較有趣。輸入一個查詢關鍵字後，畫面中間就會列出搜尋結果，但是這個搜尋結果與傳統的列表式的結果 不一樣，它是利用每篇文章中的圖片作為代表並橫向排列，而且當滑鼠在各張圖片上移動時就會看到圖片放大的效果。對於內含精采圖片的部落格文章來說（食記， 遊記等），這個介面的設計還滿有用的，可以利用精采的圖片吸引讀者的目光，不過對於需要查找文字訊息的需求就比較用不上了。
熱門程度: 50%

熱門程度: 50%

Read Full Post »

我在電腦玩物上面看到的介紹，很有趣:
由「Photojojo」提供的「PhotoTimeCapsule」服務，只要妳提供自己的Flickr帳號，它就能幫你挖出3個月、6個月或一兩年前的「老照片」，然後用Email寄給妳；誰說新照片才會有驚喜，我想當妳「收到」一張一年前在某個值得回憶的地點，和某個值得回憶的人所拍的相片時，那種感動或許才是最好的心情良藥。
而我最近對回憶以及照片這件事情還蠻感興趣的。「照片 + 回憶 + Interaction」，這樣子的研究，我自以為的冠上了一個名詞，我稱之為 Memento Computation (回憶運算)。不過我不知道是否有這樣子的領域存在，但是是蠻值得研究的
熱門程度: 32%

熱門程度: 32%

Read Full Post »

直接轉述 Mr. Wednesday 在社交網站收集與研究的描述，看起來有點像是 Flickr 的擴大版本:
這兩天不經意發現一個社會化書籤網站，Vi.sualize.us，不過它很特別，只專注在圖片的書籤。

它的呈現簡潔，操作簡單，非常好上手。這也是網站本身的訴求，在兩次點擊內就可以幫你存下圖片並在將來再度取出瀏覽，這一點處理的非常好。 Vi.sualize.us使用標籤整理圖片，沒有用分類，在首頁可以透過『最常被使用的標籤』或是『熱門瀏覽標籤』來瀏覽圖片，很web2.0的作法。
這是一個相當簡單而且實用的社會化圖片書籤網站，對於想要輕鬆收藏並且分享圖片的使用者絕對值得一試。
熱門程度: 46%

熱門程度: 46%

Read Full Post »

Kit 在 <Luis von Ahn: 人腦運算> 的回文當中跟我分享了 Microsoft 的最新研究 Asirra (Animal Species Image Recognition for Restricting Access) ，我覺得很有趣，這邊就分享給大家。主要的 idea 是認為以前的文字版 capcha 太弱，因此，他們用圖片辨認的方式來改進。由於我們對於圖片的辨認非常簡單，但是對於電腦來說卻是異常複雜的事情。實作方式是，他們跟 Petfinder.com 合作，這家網站有 300 萬張貓貓狗狗的圖片，而且每一張都標示好是貓還是狗，因此，使用者在認證的時候，必須點選方格中所有含有貓的照片，或是所有含有狗的照片。

(via: diovo.com)
值得一提的是， Petfinder.com 是專門幫流浪貓、流浪狗尋找新主人的網站，因此 MS 跟 Petfinder.com 合作還可以順便做善事，讓大家看看還未被領養的貓跟狗，如果有興趣的話，就可以直接領養了。

相關的 idea 其實有 CMU 的 PIX CAPTCHA， 主要是給你一組照片，你必須從一堆關鍵字中挑選跟這一組照片 semantic 意義相關的字。不過這樣子的方式其實準備上面很費人工，所以，準備的範例就無法很多，還是可以被暴力法破解。

另外，其實還有類似的網站，是Frozen Bear所設計的 HotCaptcha，主要 idea 是給你9張圖，你要選三個最 hot 的 girl 出來。這樣子的作法很有爭議，因為所謂的美醜主觀性質偏多，而且任意把別人的圖片拿上來評分，可說是沒什麼道德，所以這個網站理所當然的關了起來。
所以，現在我們看到 Capcha 的系統不斷地在演進，從文字進階到圖片，設計的越來越符合人性。下一個 Capcha […]

熱門程度: 37%

Read Full Post »

這一篇文章是根據之前的一篇文章 <玩遊戲，做研究> 所改寫而成。本文並可在 <密技偷偷報【密】字第肆拾號> 雜誌中看到。

2005年，一個帶著眼鏡、身材略微發福的年輕小伙子接過了卡內基梅隆大學（Carnegie Mellon University）所頒發的博士畢業證書，領取這個畢業證書是必然的，因為他的博士研究使得電腦界開拓出了一個全新的研究領域 — 人腦運算 (Human Computation)。這個年輕人的名字是 Luis von Ahn，人機介面(HCI)跟人工智慧(AI)領域的新星。

Luis von Ahn 暸解到了電腦智慧的極限，也暸解到電腦如果要模仿人類的思考的話，需要大量的資料來做訓練。比如說，如果我們要讓電腦知道什麼是狗的話，我們就必須拿出一張有狗的照片，然後把狗所在的位置給標示出來；同樣的道理，如果我們需要讓電腦理解什麼是貓的話，我們就必須給電腦貓的圖片；依此類推。然而，我們不可能聘請這麼多人來標記所有的東西，因為這樣子所牽涉到人力跟範圍將是非常地大的，而且聘用的金額將是非常昂貴。試想想，如果付錢給一個工讀生，每小時 100 塊，請工讀生來幫忙標記圖片，一個小時標記 100 張圖片，一天 8 小時，如果需要標記的圖片是數千萬張的範圍，我要請多少工讀生來做這些事情呢? 而且，我又怎麼知道他們有沒有標記錯誤呢? 我又該要花多少錢來做驗證?
對於上述的問題，Luis von Ahn 想到了解決的方法。他認為根本不需要付錢，大家就會自動來幫忙做這件事情，只要他們覺得這件事情是好玩的。這讓我想到馬克吐溫的名作 <湯姆歷險記> 裡的橋段，故事的主人翁湯姆由於被交代要將所有的籬笆上油漆，因此不能跟其他的小朋友一起去玩耍，不過聰明的湯姆想到了好方法，他讓其他的小朋友認為刷油漆是很有趣的一件事情。因此，其他的小朋友不但爭先恐後地來幫湯姆刷油漆之外，還會給湯姆玩具或是糖果，就只是為了能夠刷到油漆。

(圖片來源: ESP Game網站)
而 Luis von Ahn 借著觀察，發現許多人會在網路上面玩一些小遊戲來打發零星瑣碎的時間，因此他決定著手設計一款遊戲，這款遊戲叫做 EPS Game。遊戲規則很簡單，玩家一進入遊戲畫面，會看到一張圖，針對這張圖，玩家必須給一個關鍵字，而在網路的彼端，會有一個玩家跟你配對起來，一但你所輸入的關鍵字跟你配對的玩家一樣，那麼你們兩個就獲得分數，雙方進入下一關。當然，如果沒有沒有人跟你玩的話，就會有機器人跟你配對起來。藉由這個遊戲，Luis von Ahn 就可以讓大家在玩樂的同時取得大量有意義的配對資料，而這些跟圖片配對的關鍵字，將可以用來訓練電腦來認識圖片的內容物。

因為這一款遊戲，也讓 Google 發覺了這位超級新星，因此在 2004 年 12 月邀請他到 Google  演講；其後在他畢業之後，又邀請他到 Google 給了另外一個演講 […]

熱門程度: 54%

Read Full Post »