追記: U-Netの中間層は常にSelf-Attentionとなります。ご指摘いただきました。ありがとうございます。（コード） オミータです。ツイッターで人工知能のことや他媒体の記事など を紹介しています。 @omiita_atiimoもご覧ください！ 世界に衝撃を与えた画像生成AI「Stable Diffusion」を徹底解説！ 未来都市にたたずむサンタクロース（Stable Diffusionで生成） 2022年8月、世界に大きな衝撃が走りました。それは、Stable Diffusionの公開です。Stable Diffusionは、テキストを受け取るとそれに沿った画像を出力してくれるモデルです1。Stable Diffsuionは10億個近いパラメータ数をもち、およそ20億個の画像とテキストのペア（LAION-2B）で学習されています。これにより、Stable Diffusionは入

物理ベースレンダリングに入門するための連載の第1回です。 今回は物理ベースレンダリングの概念とその背後にある考え方についてまとめます。 はじめに 物理ベースレンダリングとは 物体に入射する光の行方 エネルギー保存の法則 フレネル反射 反射した光の行方 マイクロファセット 幾何減衰 屈折した光の行方 サブサーフェイス・スキャタリング 拡散反射の簡易モデル まとめ 連載一覧 はじめに この連載では物理ベースレンダリングに関する基礎的な知識をまとめていきます。 まずこの第1回目では物理ベースレンダリングの概念について説明します。 第2回では実装を行う上で用いる式を一通り紹介し、第3回ではUnityにおける実装を行います。 リアルタイムレンダリングを前提としているため、オフラインのパストレーシングなどの話題は取り扱いません。 また物理ベースレンダリングと銘打ってはいますが、シェーディングモデルを中

こんにちは、教育業界に就職した新卒1年目のデータサイエンティストです。 新卒研修ということで自分でコンテンツを探してプログラムを組み立てる機会をいただきました！ そこで、折角なので進捗状況や学んだこと等、以後の振り返りのためにポストしていこうと思います。 今回は、自分のスキル状況、目標、具体的なコンテンツについて書いていきます。 現在のスキル SQLのSELECT文の基本的な部分が書ける pythonがほんの少し書ける（関数の実装くらいまで） Tableauが使える（Tableau アカデミックプログラムを利用していました） ご覧の通り、一般にデータサイエンティストとして必要なスキルがほぼありません... 本当に0からのスタート、何から始めれば良いのか... 目標 目標を立てる上で、こちらの記事を参考にさせていただきました。 データサイエンティストに必要なスキル要件 上記事によると、データ

2019/5/11 PR: こちらの内容を含め、2019年5月11日発刊の 図解速習DEEP LEARNINGという本ができました。[2019年5月版] 機械学習・深層学習を学び、トレンドを追うためのリンク150選 - Qiitaでも、一部内容をご覧いただけます 2019/3/9 ここで紹介している講座が、「東京大学のデータサイエンティスト育成講座」として書籍化されました! 2019/3/9 Colaboratoryに関する情報交換Slackを試験的に立ち上げました。リンクより、登録・ご参加ください。 TL;DR 東大松尾研がJupyter notebook形式でデータ分析/ Deep Learning講義内資料をそれぞれ公開 Google Colaboratoryを使えば、Python等セットアップ不要ですぐに始められる セットアップ後は、スマホブラウザでもok そもそもデータ分析/人工

【最終更新 : 2017.12.17】 ※以前書いた記事がObsoleteになったため、2.xできちんと動くように書き直しました。 データ分析ガチ勉強アドベントカレンダー 17日目。 16日目に、1からニューラルネットを書きました。 それはそれでデータの流れだとか、活性化関数の働きだとか得るものは多かったのですが、Kerasと言うものを使ってみて、何て素晴らしいんだと感動してしまいました 今まで苦労して数十行書いていたものが、わずか3行で書ける！ 正直、スクラッチで書く意味って、理解にはいいけど研究や分析には必要あんまないんですよね。車輪の再発明になるし。 と言うわけで、使えるものはどんどん使っていこうスタンスで、今日はKerasの紹介です！ Tutorial+気になった引数を掘り下げて補足のような感じで書いています。 ちなみに、各部のコード以下をつなぎ合わせるとmnistの分類器が動くよ

DeNA TechCon 2018での講演資料です。 「深層学習、特に畳み込みニューラルネットワーク (CNN) の進化により、近年のコンピュータビジョン技術は急速に発展しています。CNNは画像分類だけではなく、物体検出、セグメンテーション、姿勢推定といった様々なタスクに利用されています。 本公演では、近年提案されている様々なCNNや物体検出手法を解説します。また、これらの技術の応用として、車載カメラ画像認識を用いた運転行動モニタリングについて紹介します。」

水やコーヒーなどの私たちの身近にありふれた「流体」。これらの身近な物質の「流れ」を、現代物理学が到達した極微の視点から眺めるとどのように理解できるのでしょうか。ここでは、幾何学の言葉で「流れ」を理解するという研究について紹介します。 マクロな「流れ」とミクロな「量子」のギャップ 私たちの身近にある物質は、一見するとツルツルした表面を持つように見え、連続的な構造を持っているように感じられます。このような「連続的な記述」を用いる物理理論の最たる例が「流れ」を取り扱う流体力学です。流体力学はコップの中のコーヒーの流れや、航空機の周囲に生じる空気の流れなどの振る舞いを精密に記述します。 しかし、20世紀に入ってから現代物理学が進展することで、どのような物質も小さな要素に分解していくと、原子や分子といった不連続な「ツブツブ」でできていることがわかりました。そして、さらに小さな（ミクロな）要素に分解し

こんな名文が話題になっていたようで。 非常に面白い文章で、特に以下の下りは痛快だなと感心しながら読んでました。 2006 年頃、「現在の人工知能研究の先には新興宗教にはまる計算機が出てくる」というネタを思いついたが、知人の反応が悪かったのでお蔵入りした。それから 10 年近くたったが状態に変化はない。人間を超える知能という楽観的な妄想がどこから来るのか不思議で仕方がない。 同じような光景を以前見たことがあるなぁと思い出したので、その時のことを回想しながら現在の「人工知能ブーム」ないし「人工知能に対する楽観的な妄想」についてちょっと思うところを書いてみました。 なお、僕自身は人工知能というか機械学習の専門家ではなくどちらかというとそれらのアルゴリズムのユーザーという立場なので、その立場から主に世論の動きについて論じてみましたという立ち位置です。 人工知能そしてsingularityという「夢

生成モデル(Generative Models)をはじめとするAIモデルの精度が上がる=学習データのパターンをより忠実に再現、再構成できるようになってきた一方で、創造性の観点から言うとそれって学習データものの焼き直しに過ぎないのでは? とう疑問も。 どう適度な逸脱を図るか… が本論文のテーマ。 Broad, Terence, Sebastian Berns, Simon Colton, and Mick Grierson. 2021. “Active Divergence with Generative Deep Learning -- A Survey and Taxonomy.” arXiv [cs.LG]. arXiv. http://arxiv.org/abs/2107.05599.

日本アニメ初の快挙！海外アニメ賞を受賞した『スキップとローファー』海外ライセンス部長&プロデューサーが語る、奮闘の舞台裏

先週、日本に一時帰国した際、話題になっていた映画「ソードアート・オンライン -オーディナル・スケール-」を観てきました。ARに興味のある方は、参考になる＆自分ならこう作るというインスピレーションを得られる、という二つの意味で視聴をお勧めします。 こんにちは、あるしおうねです。 2017年2月に日本国内でも発売されたことを受け、光学シースルー型のAR-HMDであるHoloLensがVR/ARの開発者界隈で最近話題になっています。HoloLensは実環境とぴったりずれのない位置トラッキングが桁外れに高性能とされる一方で、表示される画像の視野角が狭い、という声も挙がっています。Microsoftの公式見解としては、文字が読める画素密度を維持するために、今は敢えて視野角を狭くしているとのことですが、今後改良されていくと予想されます。また、HoloLensを始めとする光学シースルー型のAR-HMDに

いつもドスパラ通販サイトをご利用いただきまして、誠にありがとうございます。 リニューアルに伴うメンテナンス作業のため、下記の期間サービスを休止しております。 【メンテナンス日時】 2023年1月24日（火） 4:00 から 21:00 ※時間は前後する可能性があります。 ※Steamウォレットチャージ(Steamポイント変換)は、1月20日から25日の期間休止します。 ご不便、ご迷惑をおかけいたしますが、何とぞご理解いただきますようお願い申し上げます。

いきなり自分でハードル上げてみました（笑）。ちなみに何故単純パーセプトロンを最初に持ってきたのか？というと、id:echizen_tmさんのブログ記事でも触れておられる通り 機械学習には大きく分けて「識別関数」「識別モデル」「生成モデル」の3つの種類がある。このなかで識別関数は確率を使わないので初心者が入門するのに最適。 識別関数で有名なのはSVM(Support Vector Machine、サポートベクターマシン)。名前を聞いたことがある人も多いと思う。そこで早速SVMを学ぼうとすると敷居が高くて挫折しがち。 実はSVMは(大雑把に言うと)パーセプトロンという基礎的な識別関数に「マージン最大化」と「カーネル関数」という考え方を導入したもの。なので機械学習入門者は最初にパーセプトロンを学ぶのが良いと思われる。 それゆえ、実際に僕も以前Matlabで糞コード書きながら勉強してた時はやはり単

研究に向いている人ってどんな人なのかは、研究者という職業に興味がある学生が知りたいことだろうと思います。 ノーベル賞取った人の半生記の話を聞いたり読んだりして、「よし、俺も！」と思える人は向いていると思います。自分は一生かけてこれを究明したいと思えるものがすでにある人も向いているでしょう。ただ、研究テーマは、実際に研究を始めてみてだんだん絞れていくものかもしれません。利根川博士の話を聴くと、分子生物学という武器を手に入れてその武器を最大限生かせる面白い領域（免疫学、ついで、脳科学）に飛び込んでいったように見えます。 利根川進博士のぶっちゃけ話：研究者として成功できた理由および成功戦略 科学研究で結果を出すマインドを養うための4冊 研究者の適性がない人が博士課程に進学してしまうと大変です。しかし、適性があっても指導教官に恵まれないと、やはり大変なことになります。逆に良い指導教官に恵まれると、

pythonの環境構築について "python 環境構築"でググると20万件くらいヒットしますが、割と内容が古いです。 タイトルにはデータサイエンティストと書いてありますが、データサイエンティスト以外にもanacondaはおすすめです。 2.x or 3.x? 3.xは動かないライブラリが多いので2.x推奨 >　3.xで動かないライブラリがある、くらいまで来ました。 easy_installでpipを入れて、setuptoolsも入れて、でもwheelというのもあって... > 古いです。 virtualenv 必須 > そんなこともないです。 winでは64bitは不具合が多いので32bit推奨 > 古いです。 winでは非公式バイナリからダウンロードしてインストール > お世話になりましたが、最近は使っていません。 2016版 OS毎python環境構築法決定版 Windows: an