fullseye
tb_running_gaussian_background — 2D typed op
- データ種:
video→video - 呼び出し:
fullseye.apply(img, "tb_running_gaussian_background", a=0.5, b=0.5)(2-D は 1 画像 + 2 スカラつまみa,b∈[0,1]のモデル)
図は合成の入力 128×128 で実際に走らせた出力。左が入力、右が出力。点群は上から見た散布(明るさ = z)、1-D 列は折れ線、体積は z 方向の最大値投影、動画は中央フレーム、複素画像は振幅、絵にならない返り値は値そのもの。
つまみ a を振る(0.1 / 0.5 / 0.9、もう一方は既定):
つまみ b を振る(0.1 / 0.5 / 0.9、もう一方は既定):
段階(前置きの op → この op。左から順):
別の画像でも(合成シーン / 写真 / 硬貨。上段が入力、下段がその出力。つまみは既定):
動き(GIF: フレーム / 視点 / スライスを順に。静止の図が完成形で、GIF は補助):
使い方
Adaptive single-Gaussian background (the running mean) per frame → (T, H, W) (video).
画素ごとに平均 mean と分散 var を持つ単一ガウス背景(Wren の Pfinder)を
回し、各フレーム後の mean を返す。前景判定は
(frame - mean)^2 > k^2 var。selective=True(既定)では前景と判定した画素の
mean / var を更新しないので、ゆっくり動く物体が背景に溶けない。
更新式は mean += α diff、var += α (diff^2 - var)、var の下限は 1e-4。
video:(T, H, W)配列か 2-D フレームの list。整数は最大値で[0, 1]に正規化、float はクリップ。NaN/Inf はValueError。alpha:[0, 1]の学習率。既定 0.02(時定数およそ 50 枚)。k:[0, 100]。前景とみなす標準偏差の倍数。既定 2.5。var_init:[1e-9, 1]。先頭フレームでの分散の初期値([0, 1]強度の 2 乗)。 小さすぎると 2 枚目から全画素が前景になり、selectiveで更新が止まる。selective: 前景画素の更新を止めるか。Falseなら全画素を常に更新。- 返り値:
(T, H, W)float64。t = 0は先頭フレームそのもの。 - 失敗:
ValueError(形・dtype・各範囲)。
同じモデルの前景マスクは running_gaussian_foreground(同じ引数で対にすると
フレームごとに整合する)。
2-D 進化レジストリへ橋渡しした videostream の op running_gaussian_background。実装は同じで、呼び出し規約だけ op(v, a, b) に合わせてある。a が alpha(既定 0.02)、b が k(既定 2.5)を振る。
参考(サンプルデータ・文献)
- サンプルデータ カタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
- 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。
Studio で試す
下のプログラムは実際に走ることを確かめてある(図と同じ入力)。Studio のヘルプではこのブロックがボタンになり、その場で読み込んで実行できる。
img_to_video 0.50 0.50
tb_running_gaussian_background 0.50 0.50
実行できる例(この op を実際に呼ぶ検証済みサンプル)
次の例は元の台帳 op running_gaussian_background を呼ぶもの。この橋渡し op は同じ実装を fn(v, a, b) 規約に合わせただけなので、挙動はそのまま当てはまる(呼び出し形だけ違う)。
- video_streaming —
py -3.11 examples/video_streaming.py
型が繋がる次の op(video を入力に取れる)
identity · tb_temporal_bandpass · tb_temporal_band_power · tb_temporal_median_window · tb_moving_average_window · tb_background_subtraction_window · tb_frame_difference_causal · tb_exponential_background
同カテゴリ(typed)
tb_points_to_voxel · tb_estimate_point_normals · tb_iss_keypoints · tb_project_points · tb_render_point_depth · tb_points_render · tb_statistical_outlier_removal · tb_radius_outlier_removal
Provenance: ops.py — 2D operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.