ベクトル埋め込みの最適化によるアイデンティティを保ったキャラクター生成 Preferred Networks Research & Development
本記事は、2022年夏季インターンシッププログラムで勤務された早川知志さんによる寄稿です。 はじめまして。2022年度のPFN夏季インターンに参加した早川知志です。普段はオックスフォード大学で数学（確率論・数値解析）の博士学生をしており、確率測度の離散化やそれにまつわる理論や応用に興味があります。 今回は、大学でやっていることとは趣旨を変えて、深層学習のエンターテインメント応用として二次元キャラクターの学習・生成タスクに取り組みました。 学んだキャラクターのCLIP embeddingを用いた生成例 1. Motivation オリジナルのキャラクターを描くときに角度や表情を微調整するのには途轍もない労力が必要です。筆者はイギリスでのロックダウン以来趣味でイラストや漫画を描こうとすることが増えたのですが、その過程でこのことに気付きました。生成モデルの力を借りて今までに描いたことのない構図で
Optuna - A hyperparameter optimization framework
A simple optimization problem: Define objective function to be optimized. Let's minimize (x - 2)^2 Suggest hyperparameter values using trial object. Here, a float value of x is suggested from -10 to 10 Create a study object and invoke the optimize method over 100 trials import optuna def objective(trial): x = trial.suggest_float('x', -10, 10) return (x - 2) ** 2 study = optuna.create_study() study
深層強化学習による自動駐車の実装 - Preferred Networks Research & Development
初めまして！ PFN でアルバイトをさせてもらっている芝慎太朗です。普段は東京大学大学院で行動神経科学の研究をしています。僕が去年取り組んでいた、「車が自ら駐車場に向かい停止する」自動駐車プロジェクトについて報告します。まずはこちらのアニメーションをご覧ください。（アニメーションがうまく再生されない場合は画像をクリックしてください） We implemented self-driving car that parks itself using deep reinforcement learning. The English slide is available at SlideShare! 背景 深層強化学習は、2015年から非常に注目され始めた人工知能技術であり、深層学習と強化学習を組み合わせたものです。深層強化学習によって、それまでできなかったような複雑なタスクにおいてもコンピューター
AIをどう使いこなすべきか、羽生棋士と考える
あらゆる産業のあり方を大きく変える可能性を秘めるAI（人工知能）。機械学習によって加速度的に賢くなるAIを、人類はどう使いこなすべきか。日本を代表する将棋の棋士とAIベンチャーのトップが未来を語った。 羽生善治氏（以下、羽生）：1年前のCES（世界最大の家電見本市）でトヨタ自動車のブースに展示されていた機械学習による自動走行のデモンストレーションをビデオで見ました。交差点のような場所をミニチュアカーがぶつからずに行き交っていました。システムを作ったのがプリファード・ネットワークス（PFN）さんと聞き、いつかお話ししたいと思っていたんですよ。 西川徹氏（以下、西川）：私と岡野原がコンピューターサイエンス関連の最先端技術を開発するプリファードインフラストラクチャーという会社を創業したのが2006年です。 岡野原は機械学習やAI（人工知能）を、私は処理スピードの速いコンピューターの研究を担当して
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning
