2019 年の TECH ストリームにおける最初のリリースとなる、Unity 2019.1 がリリースされました。Unity 2019.1 には、Burst コンパイラー、ライトウェイトレンダーパイプライン(LWRP)、シェーダーグラフなど、製品の開発に使える機能が多数盛り込まれています。また、アニメーター、モバイル開発者、グラフィックスの専門家に向けた革新的な機能や、プロジェクトのワークフローの効率化、エディターでのタスクの単純化に役立つ改良も数多く含まれています。これから数週間のうちに、長期サポートバージョンとなる Unity 2018.4 LTS のリリースも予定されています。このバージョンは、リリースが近いプロジェクトを進行中で、製品の開発を安定したバージョンで継続したい方に向けたものとなります。Unity 2019.1 に盛り込まれた新機能、革新的な機能は、合わせて 283 を超
Human Pose estimation is an important problem that has enjoyed the attention of the Computer Vision community for the past few decades. It is a crucial step towards understanding people in images and videos. In this post, I write about the basics of Human Pose Estimation (2D) and review the literature on this topic. This post will also serve as a tutorial in Human Pose Estimation and can help you
近年の将棋ソフトは2倍の思考時間を使えばR200程度強くなる。ということは、家庭用PCで15分切れ負けの対局でR4300程度だと言われている最新ソフトを自己対局させるとして、片方のソフトだけ持ち時間をその倍である30分を与えるとどうなるだろう? そのソフトは、見かけ上、R4300 + R200 = R4500ぐらいの強さを発揮するわけであるな。 では、もっと桁違いの時間を与えるとどうだろう? 15分切れ負けのとき、序盤の1手には10秒ぐらいしか使わないが、その序盤の特定の局面に対して、1,000倍の時間(10,000秒)を与えれば、そのときの棋力はどれだけになるだろう? log(2)1024 = 10なので、10×R200 = +R2000ぐらい強くなり、R4300 + R2000 = R6300のソフト相当になるのではなかろうか。 R6300のインパクトが強すぎてどれくらいの強さなのか想
Blenderショートカット一覧表、ver2.83対応です。 Blender 2.83 デフォルト版 (2019-06-11更新) 業界互換キーマップ版 (2019-06-11更新) キーマップの種類は、メニューバーの【編集】→【プリファレンス...】→【キーマップ】の上部にあるプルダウンメニューで切り替えられます。 「Blender」(Blender 2.83 デフォルト版) 「Blender 27X」(Blender 2.7x版) 「Industry Compatible」(業界互換キーマップ版) 間違いなどありましたら@sakura_rtdまで。 Blender ショートカット一覧表(日本語) デフォルト版&業界互換キーマップ版 2020-06-11版#Blender #b3d #Blender3d #3dcg バージョン2.83に対応しました。 Alt+Mのマージ&重複頂点削除はM
大型ディスプレイに投影するデジタルサイネージを作る仕事をしました。 できあがったのがこれです。 github.com まず、アートディレクターと相談して、下記の映像を参考にして3D空間を飛び回るようなスライドショーでいこうと決めました。 www.youtube.com www.youtube.com 最初のプロトタイプはCALayerだけで作りました。 CALayerは3Dの変形をサポートしていて、かつmacOSのCALayerではCore Imageのフィルタがエフェクトに使えるので、各層のレイヤーに次のように書くだけで遠くなるにつれてブラーをかけてぼやかせる、ということが簡単に実現できます。 let frontLayer = CALayer() frontLayer.frame = layerFrame if let filter = CIFilter(name: "CIGaussia
「Shaderって何それ?」ってレベルから、Shaderを雰囲気で理解できるレベルになりました(多分) ここまで到達できたのは、”間違いなく”先人たちの最強すぎる情報のお陰様です。 そんな役立った有用すぎるShader学習リンクを紹介していきます! 2019/3/19 追記 まんてらさんによるシェーダーの解説スライドを追加しました! シェーダーについて無知であっても、噛み砕いて解説してくださっております。シェーダー学びたい初心者は必見です! 対象レベル Vertex/Fragment Shader(頂点/フラグメントシェーダー)を一から学ぶ予定の方 Shaderやろうとして、何度も挫折した方 Shaderを雰囲気で理解してみたい方 ※注意 Geometry ShaderやCompute Shaderは含まれていません。理由は私がまだ使えないからです(^p^) こちら扱えるようになったら、ま
■広島カープ・フランスアが、前任者のエルドレッドを受け継ぎ、眼鏡市場のCMに出演。エルと同じく自転車に乗り、吹き替えは広島弁。 アizawaツbasa27@IBasa27体が勝手に眼鏡市場向かようるんじゃけど。 あ、ぼくフランスアね。 眼鏡市場ぶちしゃれとるのぉ。 店員さん、これもろうてもえぇ? え?レンズ込み? はぁ~!やっぱほんもんよのぉ、こかぁ。 声の主は 広島大学 数学講師の北臺如法さん… https://t.co/Tl5ogywE6h 2019/04/15 17:51:14 【おすすめ記事】 『野球部あるある』で一番共感させた人が優勝wwwww ■前任者のエルドレッドをリスペクトしたCM内容「あら?体が勝手に眼鏡市場に向かいよるんじゃけど!」 「え?レンズ込み?ハァ~~」のフランスアの横顔かわいい — *'-')<にわとり (@984131) 2019年4月15日 眼鏡市場のcm
前回、事前学習済みのbertモデルbert-japaneseを使って対話破綻検知チャレンジ(Dialog Breakdown Detection Challenge)コーパスでのファインチューニングを行った。 結果は決して悪いものではなかったが、当時(DBDC2)のトップモデルの性能には届かなかった。 bert-japaneseは文字列のトークン化にsentencepieceを採用しているので、sentencepieceのSampleEncodeAsPiecesを用いたデータの水増しが可能である。 今回は、dbdcのファインチューニングでトークン化に関する水増しを試してみる。 参考 bert-japaneseでDBDCをファインチューンした記事 sentencepieceについて調べた記事 変更点 モデル、コーパス、学習条件は前回のDBDCの学習と同一。 トークン化の際に水増しを行うため、
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
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