aidiaryのブックマーク / 2011年12月2日

［CEDEC 2011］リアルな動きを無限に作り出す，機械学習＆データ駆動によるプロシージャルアニメーションの試み

［CEDEC 2011］リアルな動きを無限に作り出す，機械学習＆データ駆動によるプロシージャルアニメーションの試み編集部：aueki スクウェア・エニックステクノロジー推進部リードリサーチャー向井智彦氏今回のCEDEC 2011で，ちょっと目立ったテーマとして挙げられるのが「プロシージャルアニメーション」だ。これは，アニメーションのモーションを自動生成してやろうという試みを意味する単語なのだが，3日間で独立にいくつかのセッションが行われていた。業界的にはちょっと熱い分野なのかもしれない。今回は，そんな中から，初日に行われたスクウェア・エニックスの向井智彦氏による「データに学ぶプロシージャルアニメーション　〜データ駆動型技術の実用化に向けた試み〜」について紹介してみたい。プロシージャルという言葉は，最近ではゲーム業界でもよく耳にするようになってきているのだが，その多くはプロシージャ

aidiary 2011/12/02

リンク

「はじめよう位相空間」がとても面白い - EchizenBlog-Zwei

機械学習(というかカーネル)の論文を読んでいると突然ヒルベルト空間とかでてきて混乱する。そんなの知らんわ！と言ってWikipediaを調べると距離空間とかバナッハ空間とかいろいろ出てきてさらに分けがわからなくなる。で。結局、位相空間というのがそれらの最も基本的なやつだということがわかるのだが、肝心の位相空間がなんなのかわからない。位相構造の入っている空間とか説明があるが、そもそも位相構造とかよくわからなくて調べていると開集合がなんちゃらかんちゃらでもういいやという気分になる。そういうわけで位相空間には苦手意識があったのだが、本書をざっと見てみたら一気に見通しが良くなった。これはいけてる本だと思ったのでメモ。本書は最初の章でユークリッド幾何と位相幾何の違いを解説してくれていて、位相的な性質というのがあることで高校数学で習う「最大値・最小値の定理」「中間値の定理」が成り立っているという

aidiary 2011/12/02

リンク

系列ラベリング問題メモ - Negative/Positive Thinking

はじめに系列ラベリング問題についてちょっと調べてみたのでメモ。系列ラベリング(系列分類)問題とはある系列xの各要素に適切なラベル列yを付与する問題例えば「This is a pen」という文書の各単語に「This(代名詞) is(動詞) a(冠詞) pen(名詞)」のように品詞ラベルをつける問題(品詞タグ付け) 系列だけでなく木構造などへの適用もされている構造学習ラベル、木、グラフ、順序集合など応用品詞分類形態素解析(ラティスのコスト計算なども) チャンキング(基本名詞句(Base NP)同定、固有表現抽出、文節まとめあげなど) 系列セグメンテーション問題時系列解析や画像認識など系列ラベリング問題の特徴普通の多値分類との違いは、「注目している要素xi以外の情報も使えること」と「クラスの数が膨大になりやすいこと」がある。注目している要素以外の情報も使える多値分類

aidiary 2011/12/02

リンク

PRML(パターン認識と機会学習)勉強会

PMRL勉強会の人たちに帰宅途中にばったり出くわしそのまま勉強会に参加してきた。以下、メモ。 ◯最近の機会学習は「統計的機会学習が主流」らしいんだが、そもそも「統計的」ってどういうこと？ ※いきなりわからない。あとでわかったらここに補足説明を追加するかも。 ◯教師ありー条件付き確率分布ーロジスティック回帰モデル例）信用リスク評価、テキスト分類、画像認識、動画認識（キネクトとか） ◯教師なしー混合正規分布モデルーemアルゴリズムー勾配法（P.241参照）例）異常検知、クラスタリング ◯その他の機会学習例）レコメンデーションシステム（強調フィルタリング、グラフマイニング？？） ◯最尤推定尤度、対数尤度 ※「閉じた形で求まる」→「解析的に求まる」 ◯emアルゴリズムここ↓の幾何イメージの図がわかりやすい http://d.hatena.ne.jp/

aidiary 2011/12/02

リンク

Bag of Visual Words - n_hidekeyの日記

Bag of visual words (BoVW)は、一般物体認識において現在最も広く普及している画像特徴表現で、画像中の多数の局所特徴をベクトル量子化しヒストグラムにしたものです。最近はOpenCVなどのツールの普及により使いやすくなってきましたが、実際に使ってみようとすると細かい部分でつまづくことも多いのではないでしょうか。最新の研究では認識精度が飛躍的に向上していますが、局所特徴抽出などの細かいノウハウの蓄積による部分もかなり大きいと思います。（そのような部分は学術的な新規性は低いため、論文ではさらりと書いてあることが多いのですが）以下、自分が把握しているノウハウをまとめてみたいと思います。ただし、私自身の経験や主観に基づくものであり、絶対的なものではないことにご注意ください。また、BoVWについて基本的な知識があることを前提としています。画像サイズまず、そもそも画像はど

aidiary 2011/12/02

コンピュータビジョン

リンク

最速の疎ベクトルはどれだ - Preferred Networks Research & Development

海野です。自然言語処理などで機械学習を行おうとすると、非常に疎なベクトル表現を使いたくなります。疎、というのはほとんどの要素が0である、という意味です。前々から疎ベクトルライブラリのパフォーマンスに関して気になっていたので、幾つか調べてみました。 Jubatus Workshopでも話したとおり、機械学習を適用しようとすると、普通は対象のデータをベクトル表現に落とします。特に言語データの場合は、それぞれの単語や文字などを特徴次元とするため、非常に疎なベクトルとなってしまいます。純粋な配列（C++で言えばstd::vector）を使ってしまうと、大量にメモリを食ってしまうため疎ベクトル専用の表現を使うのが普通です。今日は様々な疎ベクトルライブラリのパフォーマンス比較を行おうと思います。比較したライブラリは以下のとおり。真の意味で、疎ベクトルのライブラリは、Eigenとublasだけで、残

aidiary 2011/12/02

リンク

Siri誕生の逸話--開花した“強い人工知能”競争の行方

Siriの驚くべき出自 2010年2月5日、米国サンノゼの新興企業SiriがApp Storeに向けてアプリを無償公開した。それが「Siri Assistant」である。だがこのアプリは、センセーショナルに登場したわけでも、特別支持されたわけでもなかった。そして2010年4月28日、突如としてAppleがSiriの買収を発表した。この発表を受け、ネット上では早くからiOSに組み込まれるのでは？　という噂が流れた。そして2011年10月5日、iPhone 4Sの発表と同時に目玉機能の1つとしてSiriは発表された。10月14日にiPhone 4Sが発売されると、Siriは驚くべきことに母国語がサポートされていない日本でさえ人々を魅了した。これを機に英語を勉強する者さえ現れる始末だ。 Siriのすばらしい機能は他の解説記事に譲るとして、Siriの出自について語りたい。Siriの大元をたどると