[論文レビュー] siftservice.com - Turning a Computer Vision algorithm into a World Wide Web Service

Ahmad P. Tafti, Hamid Hassannia+1 more|arXiv (Cornell University)|Apr 11, 2015

Advanced Image and Video Retrieval Techniques参考文献 7被引用数 4

ひとこと要約

本論文では、SIFTアルゴリズムのソフトウェアとしてのサービス（SaaS）実装である siftservice.com を提示している。研究者や学生がローカルインストールを必要とせずに、Web API を通じて SIFT 特徴検出と記述子抽出にアクセスできる。このサービスは、デイビッド・ルーズのオリジナル実装と比較して特徴点検出精度が1%以内、キーポイントマッチング精度が2%以内の誤差に収まり、コンピュータビジョン応用分野における迅速なプロトタイピングに高い忠実性と使いやすさを示している。

ABSTRACT

Image features detection and description is a longstanding topic in computer vision and pattern recognition areas. The Scale Invariant Feature Transform (SIFT) is probably the most popular and widely demanded feature descriptor which facilitates a variety of computer vision applications such as image registration, object tracking, image forgery detection, and 3D surface reconstruction. This work introduces a Software as a Service (SaaS) based implementation of the SIFT algorithm which is freely available at http://siftservice.com for any academic, educational and research purposes. The service provides application-to-application interaction and aims Rapid Application Development (RAD) and also fast prototyping for computer vision students and researchers all around the world. An Internet connection is all they need!

研究の動機と目的

• Webベースの SIFT サービスを提供することで、コンピュータビジョン分野における迅速なアプリケーション開発（RAD）とプロトタイピングを可能にすること。
• 標準化されたWebサービスプロトコルを用いたアプリケーション間連携を可能にし、広く使われているコンピュータビジョンアルゴリズムの利用を支援すること。
• 学術的および研究的利用を想定し、人間が使いやすいインターフェースとプログラム可能なAPIの両方を提供することで、SIFT アルゴリズムへのアクセスを容易にすること。
• 特にソフトウェアとしてのサービス（SaaS）およびインターネット・オブ・シングズ（IoT）の文脈において、コンピュータビジョンアプリケーションとWebサービスの間のギャップを埋めること。

提案手法

• Java SE 7 を用いて SIFT アルゴリズムを実装し、その4つの主要ステージに従う：差分ガウス（DoG）を用いたスケール空間の構築、特徴の局所化、勾配方向の計算、記述子の抽出。
• 2次元畳み込みを用いてガウスカーネルでスケール空間画像を生成し、$ G(x,y;\sigma) = \text{conv2}(I(x,y), K(x,y;\sigma)) $ と表記する。ここで $ K(x,y;\sigma) = \frac{1}{2\pi\sigma^2} e^{-(x^2 + y^2)/(2\sigma^2)} $ である。
• 方向割り当てのため、勾配の大きさ $ m(x,y) = \sqrt{(G(x,y+1)-G(x,y-1))^2 + (G(x+1,y)-G(x-1,y))^2} $ と方向 $ \theta(x,y) = \tan^{-1}((G(x,y+1)-G(x,y-1))/(G(x+1,y)-G(x-1,y))) $ を計算した。
• 各検出されたキーポイントの周囲の4×4空間領域ごとに8ビンのヒストグラムを作成し、128次元の SIFT 記述子を生成した。
• 標準的なWebサービスプロトコルを用いてサービスをデプロイした：メッセージ交換には SOAP、サービス記述には WSDL、サービス発見には UDDI、プロセスオ케ストレーションには BPELWS を使用した。
• 64ビットの Linux CentOS 仮想サーバーにホスティングし、2 vCPU、2GB RAM、100 Mbit/s バンド幅を備え、HTTP/HTTPS エンドポイントからアクセス可能である。

実験結果

リサーチクエスチョン

• RQ1 SaaSベースの SIFT サービスは、デイビッド・ルーズが開発したオリジナルのスタンドアロン実装と同等の特徴検出精度を達成できるか？
• RQ2 SaaS SIFT サービスは、オリジナルのネイティブ SIFT ソフトウェアと比較して、画像間の対応キーポイントのマッチング精度をどの程度維持できるか？
• RQ3 Webベースの SIFT サービスは、コンピュータビジョン研究者や学生が迅速なプロトタイピングとアプリケーション統合を支援するために、どの程度効果的か？
• RQ4 公開可能な SIFT-as-a-Service プラットフォームは、学術的および研究的文脈において、実際の影響と使用パターンをどのように示しているか？

主な発見

• SIFT as a Service 実装は、デイビッド・ルーズのオリジナル実行可能ファイルと比較して、特徴点検出精度が1%以内の誤差に収まり、オリジナルの1638個に対して1627個の特徴点が検出された。
• 「hall01」と「hall02」の画像ペアに対して、オリジナル実装の166マッチングと比較して158マッチングが得られ、キーポイントマッチング精度の誤差は2%未満であることが示された。
• 標準化されたWebサービスプロトコル（SOAP, WSDL, UDDI）を用いたアプリケーション間連携が正常に実現され、大規模なワークフローへのシームレスな統合が可能となった。
• 本サービスは、学術的・教育的・研究的利用を目的として、http://siftservice.com で無料で利用可能であり、2014年12月から2015年3月にかけて測定可能なユーザー参加が確認され、実用的採用が示された。
• ローカルソフトウェアのインストールや設定の必要がないため、本実装は迅速なプロトタイピングを可能にし、コンピュータビジョン研究への参入障壁を低減している。
• 本研究は、「コンピュータビジョンとしてのサービス」というビジョンへの基盤的ステップを示しており、標準化されたWebサービスアーキテクチャを通じて、コアなコンピュータビジョンアルゴリズムを公開する可能性を実証している。