Search
... を数学的に発展させればネタになるな この時は微分を知らなかったので、改めて見たらもっと深まるかも の的考えも持ち込めたら面白そう 歪んだ時間、二軸の時間と引き込み現象とか そのために一般化するとか https://twitter.com/etiennejcb/status/1393295149493522435?s=20 ...
http://www.interaction-ipsj.org/archives/paper2012/data/Interaction2012/interactive/data/pdf/1EXB-42.pdf を再現するもの...
https://www.jstage.jst.go.jp/article/jrsj1983/26/1/2616/_pdf におけると 振動子集団ネットワーク だったり細胞の集団運動だったり そういうネットワークのダイナミクスの基礎を説明している...
スマホアプリのネタとして面白そう みたいな感じで、映像を撮影するカメラで再生位置にずれを生む こんな感じで、映像に時間方向の歪みがあるイメージ タップするとその周辺が歪んで、遅くなるみたいな 人だけ切り抜いて遅くするとかも面白そう iOSでそういうやつあったよな あと、数秒レベルのズレと数時間レベルのずれが混在とか とかもこれで実装できたら面白そう あととかも 色々なを実現するプラットフォームになるような気がする 基本的に映像はの一点を指している、という思い込みを活用して色々遊べる とりあえず、映像を左右にsplitしてずらしてくっつけるのを試した 両手を上げ下げしてると、片方だけついてくるのちょっと気持ち悪い 目線が一致しない 上下で分けると、目が追っている物の動きと目線自体が一致しない 左右で分けると、左右の目の動きがずれて寄り目になったりする ズレてる映像の前で手を振ると、手を振る速度を遅延映像と一致させたくなるのでっぽいのが起きる x軸でずらすのを試した 上の方だとラグが少なくて、下の方で手を動かすとラグが多い 明確なスイッチ無くラグ（≒身体所有感?）が変化する、結構面白い #遅延と身体所有感 これは、ただ遅れてるだけであればそれ以上の物がない ただ、例えばこの遅れている手で何かとinteractできたりすれば、へのが高まる バーチャル時間軸の存在が活きる #実装するかも...
https://natgeo.nikkeibp.co.jp/atcl/web/17/020800002/021300003/?P=1 を用いた実験をやってる 「まず、時間知覚について、代表的なモデルとして、というのがあります。脳のどこかにチクタク、リズムを刻んでいるところがあって、そのリズムを数え上げて、加算していく場所もある、と。そして、加算のスイッチをオンにしてからオフにするまで、いくつのパルスが入っていたか読み出すようなメカニズムがあれば、時間が知覚できるというような考え方です」 では、このモデルを受け入れるとして、どのような神経活動が時間を「歪ませる」きっかけになっているのだろう。 ゲーム中、時間の流れ早すぎない？ VRで「時間圧縮」効果が確認されるhttps://t.co/xXArKptBJG > 楽しい時間はあっという間。VRには、時が早く過ぎる「[時間圧縮効果]]」があるとカリフォルニア大の研究で判明。VRでは自分の体の感覚が希薄になるので、時間間隔が狂うのではと予想されています。 [pic.twitter.com/ihuwKEARpR @[NazologyInfo]] [May 18, 2021 へのだ 常に圧縮されるのではなく単にずれが生まれやすくなるってだけっぽいので、逆におそめたりも全然できそう やりたい...
現象, を記述する wrong: , , https://www.youtube.com/watch?v=1Cz911-6Y-g https://github.com/nobnak/KuramotoModelForSynchronization https://mattyuu.hatenadiary.com/entry/2017/01/08/211848 やさしい説明 関連して、についての説明も https://twitter.com/i/status/1388771335271190528 この動画とか https://hdietert.github.io/static/kuramoto-animation/kuramoto.html このシミュレータが充実している...
...gradient += ((sigmoid(xother - xi) - 0.5) / 10) / len(x) gradient = max(gradient, 0.8) gradient = min(gradient, 1.2) gradients.append(gradient) return gradients 雑で長い（どうせswiftで書き直すのでとりあえず雑に作った） 仕組み DBSCAN的なクラスタリングをした クラスタ内なら普通にsigmoidで引き寄せ クラスタ外なら弱めに引き寄せ あと制限もつけた、0.8~1.2 epsの値は悩む 以下ランダムにジェネレートした実行例 (eps=5) 結構理想系ではある 問題点 人数がめっちゃ大量になると、全部一つのクラスタになってしまう なにかしらのlimitはつけるべき sigmoidでaverageによってくモデルもありかも(TODO) さまざまなepsでクラスタリングやって、小さいepsで含まれるやつほど重み強めとかもありかも 実装 KinetoWatcherで見たやつ これは、ただの平均値吸い寄せモデル(Trial......