Идея интересная, использовать метки для связи реального мира с виртуальным.
Однако ж в данной реализации мало толку, ибо наблюдаемая картинка все равно остается 2х мерной. 3х мерность чуствуется только за счет верчения лаптопов вокруг сцены.
Дальнейшее развитие этой идеи должно привести к
а) рендерингу на 3х-мерный монитор (или как вариант на head-mounted стерео-дисплей), таким образом, чтобы при смотрении через него наблюдаемая сцена была идентична оригинальной (за исключением виртуально-добавленных объектов)
б) виртуальные объекты должны цепляться за реальный мир без всяких искуственных меток, а непосредственно в живую сцену.
вот тогда различить виртуальных объектов/субъектов от настоящих будет гораздо труднее и начнется настоящий fun )))
можно пофантозировать что можно будет сделать тогда:
— например всегда можно носить самую модную одежду, закачав ее с сайта модельерного агенства ))) Все, кто на тебя посмотрят через такие «очки» увидят твою мега-одежду ))
— ну или виртуальных друзей, питомцев, объектов, которые всегда с тобой )
при небольшом гуглении обнаруживается страничка этого исследователя www.psy.cmu.edu/~ckemp/
и собственно сама публикация www.psy.cmu.edu/~ckemp/papers/kempt08.pdf
Там же можно и скачать пробные данные и прогу которая делает классификацию
при поверхностном чтении я понял что ничего революционно нового товарищи не придумали:
Here, we present a computational model that learns structures of many different forms and that discovers which form is best for a given dataset.
The model makes probabilistic inferences over a space of graph grammars representing trees, linear orders, multidimensional
spaces, rings, dominance hierarchies, cliques, and other forms and successfully discovers the underlying structure of a variety of physical, biological, and social domains.
Т.е. в кратце, они применяют несколько моделей к входным данным и находят ту, которая лучше подходит. революция отменяется
Вот вам идея для паковщика яваскрипта:
(хотя видимо уже было изобретено и может быть уже давно используется)
Известно:
- грамматика яваскрипта прекрасно формализуема
- число часто-используемых символов обычно сильно ниже 255 (меньше байта)
- названия переменных/функций ЧАЩЕ ВСЕГО можно переименовать как тебе заблагорассудится
Идея:
- Можно создать создать алгоритм сжатия с отличным сжатием и достаточно простым декомпрессором (который написать на js)
Реализация:
- по-простому назначить каждому символу грамматики Хаффман код (прежде наработав статитстику на основе часто-используемых яваскриптах)
- переменные/функции проиндексировать и закодировать на манер Elias-Shennon codes (проиндексировать таким образом чтоб при смене области видимости нумерация начиналать с начала но не конфликтовала с более глобальными индексами)
- текст программы представить в виде дерева и перекодировать (например как в обратной польской записи)
затем на JS написать декодер в котором захардкожена Huffman-таблица для грамматики и реализация простейшего стека.
алгоритм декодирования: побитово пробегаем по битстриму. При нахождении символа грамматики ложим его в стек (если допускается вложение) и считываем "под-дерево" в соответствии с этим символом, потом вынемаем его из стэка
на самом деле идея не нова, на западе уже во все работает (бесплатно)
http://www.loki.com
http://www.skyhookwireless.com
но ребята молодцы, в России такого пока не было!
Принцип работы простой:
- по городу ездит мужик с GPS присоединенным к WiFi-ноуту
- вай-фай все время сканирует пространство и ищет wireless точки доступа (читает их BSSID)
- в каждой точке местности (которую он посетил) известны следующие параметры:
* Точные Координаты из GPS
* Фингерпринт одной или нескольких WiFi Access Points (фингерпринт это параметры приема сигнала, обычно это уровень сигнала dB, уровень шума и сигнал-ту-нойс)
- далее это заносится в базу данных
- потом когда вы запускаете их прогу - она по тупому сканирует сети вокруг вашего устройства и посылает на сервер запрос со своими данными по наличию аксесс поинтов и их фингерпринтами
- сервер ищет наиболее близкое значение в своей датабазе и вуаля, вот вам ваши координаты
Если найденых Access Points больше чем одна то получается более-или менее уникальная комбинация этих параметров в данной точке. Но проблема в том что AP по-большому счету не 100% стационарны + погодные флуктуации + мужик физически не может объехать все пространство города и куча других заморочек.
Короче тут много пространства для улучшения алгоритмов и качества позиционирования... хотя 20 метров уже смотрится не полохо
приложений можно море придумать. и тут уже этическими проблемами попахивает… типа «я убил его поскольку думал он виртуальный»
Однако ж в данной реализации мало толку, ибо наблюдаемая картинка все равно остается 2х мерной. 3х мерность чуствуется только за счет верчения лаптопов вокруг сцены.
Дальнейшее развитие этой идеи должно привести к
а) рендерингу на 3х-мерный монитор (или как вариант на head-mounted стерео-дисплей), таким образом, чтобы при смотрении через него наблюдаемая сцена была идентична оригинальной (за исключением виртуально-добавленных объектов)
б) виртуальные объекты должны цепляться за реальный мир без всяких искуственных меток, а непосредственно в живую сцену.
вот тогда различить виртуальных объектов/субъектов от настоящих будет гораздо труднее и начнется настоящий fun )))
можно пофантозировать что можно будет сделать тогда:
— например всегда можно носить самую модную одежду, закачав ее с сайта модельерного агенства ))) Все, кто на тебя посмотрят через такие «очки» увидят твою мега-одежду ))
— ну или виртуальных друзей, питомцев, объектов, которые всегда с тобой )
Наверно, НЛО похищало автора поста и он тольковот теперь вернулся с Марса -))
www.psy.cmu.edu/~ckemp/
и собственно сама публикация
www.psy.cmu.edu/~ckemp/papers/kempt08.pdf
Там же можно и скачать пробные данные и прогу которая делает классификацию
при поверхностном чтении я понял что ничего революционно нового товарищи не придумали:
Here, we present a computational model that learns structures of many different forms and that discovers which form is best for a given dataset.
The model makes probabilistic inferences over a space of graph grammars representing trees, linear orders, multidimensional
spaces, rings, dominance hierarchies, cliques, and other forms and successfully discovers the underlying structure of a variety of physical, biological, and social domains.
Т.е. в кратце, они применяют несколько моделей к входным данным и находят ту, которая лучше подходит. революция отменяется
(но уверен с появлением моего эта ситуация быстро разрулится)
(хотя видимо уже было изобретено и может быть уже давно используется)
Известно:
- грамматика яваскрипта прекрасно формализуема
- число часто-используемых символов обычно сильно ниже 255 (меньше байта)
- названия переменных/функций ЧАЩЕ ВСЕГО можно переименовать как тебе заблагорассудится
Идея:
- Можно создать создать алгоритм сжатия с отличным сжатием и достаточно простым декомпрессором (который написать на js)
Реализация:
- по-простому назначить каждому символу грамматики Хаффман код (прежде наработав статитстику на основе часто-используемых яваскриптах)
- переменные/функции проиндексировать и закодировать на манер Elias-Shennon codes (проиндексировать таким образом чтоб при смене области видимости нумерация начиналать с начала но не конфликтовала с более глобальными индексами)
- текст программы представить в виде дерева и перекодировать (например как в обратной польской записи)
затем на JS написать декодер в котором захардкожена Huffman-таблица для грамматики и реализация простейшего стека.
алгоритм декодирования: побитово пробегаем по битстриму. При нахождении символа грамматики ложим его в стек (если допускается вложение) и считываем "под-дерево" в соответствии с этим символом, потом вынемаем его из стэка
http://www.loki.com
http://www.skyhookwireless.com
но ребята молодцы, в России такого пока не было!
Принцип работы простой:
- по городу ездит мужик с GPS присоединенным к WiFi-ноуту
- вай-фай все время сканирует пространство и ищет wireless точки доступа (читает их BSSID)
- в каждой точке местности (которую он посетил) известны следующие параметры:
* Точные Координаты из GPS
* Фингерпринт одной или нескольких WiFi Access Points (фингерпринт это параметры приема сигнала, обычно это уровень сигнала dB, уровень шума и сигнал-ту-нойс)
- далее это заносится в базу данных
- потом когда вы запускаете их прогу - она по тупому сканирует сети вокруг вашего устройства и посылает на сервер запрос со своими данными по наличию аксесс поинтов и их фингерпринтами
- сервер ищет наиболее близкое значение в своей датабазе и вуаля, вот вам ваши координаты
Если найденых Access Points больше чем одна то получается более-или менее уникальная комбинация этих параметров в данной точке. Но проблема в том что AP по-большому счету не 100% стационарны + погодные флуктуации + мужик физически не может объехать все пространство города и куча других заморочек.
Короче тут много пространства для улучшения алгоритмов и качества позиционирования... хотя 20 метров уже смотрится не полохо
Удачи им