写真の人物にAIで命を吹き込む｢Deep Nostalgia｣、誰でも無料でお試し可能
写真の人物にAIで命を吹き込む｢Deep Nostalgia｣、誰でも無料でお試し可能2021.03.06 21:0034,926 Andrew Liszewski - Gizmodo US ［原文］ （ mayumine ） ディープラーニングで、故人の顔の表情を蘇らせます。 祖先検索やオンライン家系図を作成サービスを提供するイスラエルの企業｢MyHeritage｣は、先祖などの古い写真の顔を、ディープラーニングの技術で動かすことができるサービス｢Deep Nostalgia｣をリリースしました。まるで、写真を撮られる前のポーズの準備をしているような感じで、AIとはわかっていても、まるで故人がそこで生きているように感じます。 カメラのシャッターを切った前後の1.5 秒ずつの動画が記録される、iOSやiPadOSのLive Photosっぽくもありますね。Live Photosは、シャッタ
AIが「架空のモデル画像」を生成 広告・ポスターで利用可能 スキャンダルでの降板リスクをゼロに
写真素材の販売などを手掛けるイメージナビは6月8日、AIが実在しないモデルの画像を生成するサービス「INAI MODEL」を始めた。画像を購入した企業は、架空のモデルをWeb広告やポスターなどに起用できる。モデルとの契約期間を気にせず永久に画像を使える他、モデルがスキャンダルを起こすリスクがなく、差し替えが発生しないのが特徴。 当初は若い女性の画像のみ生成・販売し、今後は男性やシニアにも対応する予定。同じモデルが異なるポーズをとっている画像や、異なるモデルが同じポーズをとっている画像なども生成できる。著名人に似せたモデルは作成しない。 サービス開発にはAIベンチャーのデータグリッドが協力。画像を生成するAIと画像を評価するAIを敵対させ、精度を向上させる技術「GAN」（敵対的生成ネットワーク）を利用する。 モデル画像を生成する際は、イメージナビが利用許諾を得た上で実在する人物の写真を撮影。
「AI 画伯」を 100 万人に届けた開発者と Google Cloud | Google Cloud Blog
編集部注: この投稿は、開発者のさとさん（@sato_neet）へのインタビューをもとに、Google Cloud デベロッパーアドボケイトの佐藤一憲が執筆したものです。名前が似ていますが、同一人物ではありません。Google Cloud Blog には英語版が掲載されています。 さと (@sato_neet) さんが 10 年前に東京の大学を中退したとき、彼はまだ自分がアスペルガー症候群であることを知りませんでした。その後さとさんは看護学校やパン屋さんなどいくつかの道を志したものの、この障害のせいか環境や職場にうまくなじめません。そしていま彼は、全く異なる道を歩み始めました。AI への道です。 さとさんは 2 年前から AI の勉強を始めました。大学でプログラミングの基本は勉強していましたが、Python と JavaScript をより深く学び、AI で何か楽しい作品を作りコミュニティ
ポルノや斬首画像をタグ付けし続け、月給2万円…「AI」機械学習の闇 | アマゾンやマイクロソフトから受注するインド企業に潜入取材
プラダンは大腸内部のポリープや、ガン化するかもしれない小さな新生物を探す。ぬらりとして赤く腫れたニキビにも似た突起物を発見すると、マウスを動かし、キーボードを叩いて、デジタルの輪を描画してマークした。 プラダンは医学を学んでいるわけではなく、「AI（人工知能）」の学習システムに関わっている。ゆくゆくは医師の仕事も、彼女が開発に“貢献”したAIに取って代わられるかもしれない。 AI「学習」の内幕 プラダンは、この小さなオフィスビルの4階で働く数十人の若いインド人男女のひとりだ。彼らはデスクの前にずらりと並び、ありとあらゆるデジタル画像のアノテーション（AIの学習向けにデータを紐付けること）をおこなう。 街頭写真に写りこんだ停止標識に歩行者、衛星写真の工場、石油タンカーに至るまでを正確に特定する。 大半のテック業界関係者が「世界の未来の姿」だと話すAIは「機械学習」と呼ばれる開発手法のおかげで
機械学習で精度が出ない時にやることまとめ - Qiita
機械学習を1ヵ月で実践レベルにする 14日目 この記事は「機械学習を機械学習を1ヵ月で実践レベルにする」シリーズの14日目の記事です。 第一日目の記事はこちら 機械学習を1ヵ月で実践レベルにする #1 (とっかかり編) その他の記事は、本記事の末尾にインデックスをつけています。 それでは本題へ。 精度がでないとき、次に何をやるか ある予測モデル(分類でも可)で大きな誤差を生んでいたら次になにをすればよいか よくやりがちなのが「精度が出ないのはトレーニングデータが足りないからだ！」などといって、いきなりデータ集めに走ってしまうことだそうです。綺麗事をいわずに泥臭くデータ集めができること自体は立派な場合もありますが、無駄な努力に終わることも多いです。それでも「やってみなければわからない」と思うかもしれませんが、やる前からわかることもあります。 精度向上対策の候補 精度向上のための対策の候補には
ベタ塗りの落書きをリアルな風景に変える「GauGAN」、NVIDIA開発
米NVIDIAは3月18日（米国時間）、ベタ塗りで書いたような単純な絵を、ディープラーニングを用いてリアルな風景画に変換する技術「GauGAN」を発表した。
AI記者、AI小説家、そしてAI作曲家も――創作する人工知能を支える技術
画像認識や自然言語処理といった技術の進化で、機械は人間と同じように周囲の環境および言葉を認識できるようになってきている。最近では機械が文章を書いたり、絵を描いたりする例も出てきた。今回は、こうしたコンテンツ生成の事例や技術についてまとめた。 AIがスポーツ記事を作成 米国のローカルメディアRichland Sourceが開発した「LedeAI」は、スポーツ記事を作成するAIだ。さまざまなスポーツの試合結果を共有するサイトScoreStreamから高校スポーツに関するデータを取得し、あらかじめ学習させたスポーツニュースの記事構成パターンに当てはめて記事を作る。 2018年に行われた実証実験では、6カ月間で1万8000本以上の記事を書き上げた。作成された記事を人間がチェックしたところ、その内容に誤りはなかったという。ScoreStreamを見ても必要な情報は手に入るが、記事としてまとめたほうが
TensorFlow入門
TensorFlowを使ってディープラーニングの基礎が体験できる連載。TensorFlowの概要から、インストール方法、CNN／RNNモデルの実装体験、TensorBoardの使い方までを解説する。 全8回【完結】 （ 3時間30分） 必須条件： 機械学習の基礎知識が必要です（※「深層学習 入門」参照）。 自前のPCか、クラウド環境を使う必要があります。GPUがなくてもOKです（TensorFlowのCPU版／GPU版、両対応です）。GPUを使う場合、事前に環境を構築してください（※「環境構築 入門」参照）。 Windows／macOS／Ubuntuに対応しています。 高校レベルの数学の知識が必要ですが、理解できなくても体験可能。 こんな方にお勧め： ディープラーニングを体験してみたい方 TensorFlowを体験し、その基礎知識を身に付けたい方 CNN（畳み込みニューラルネットワーク）を
AIがこの世にいない人の顔画像を大量生成する、著作権フリーの画像が10万枚！ | Techable(テッカブル)
創作AIの進化は予想以上に速く、気づけば創作物の多くをAIが担っていた…なんて状況も、信憑性を帯びてきた。クオリティの高い創作物を大量生成するAIの出現で、著作の使用料体系に崩壊が起きる可能性がある。 ヒトの書いたものと見分けがつかないような文章を生成する「GPT-2」の登場も衝撃的だったが、真っ先に市場にインパクトを与えそうなのが画像の領域だ。 Webサイト、generated.photos上に、著作権フリーのオリジナル顔画像10万枚が公開された。あらゆるシーンでハイクオリティの顔画像が利用可画像生成AIは、悪用されることでマイナスの影響もあるが、著作権フリーの画像が出回れば自身の創作の幅が広がり、恩恵を受ける方も多いだろう。同プロジェクトは、まさにこれを狙ったものだ。 GAN（敵対的生成ネットワーク）による画像生成は、ヒトやネコ、アニメキャラから賃貸物件まで、たくさんの対象で試されてい
ティープラーニングでザッカーバーグの顔を識別するAIを作る（学習データ準備編） - Qiita
⓪はじめに 前々から「流行りのAIとかディープラーニングやってみたい！」と思っていたので、ミーハー魂から2017年5月のGWの自由研究として、機械学習(ディープラーニング)の前提知識0からの勉強を決意。実際に作ったもののサンプル動画等はこちらより。最終的なコードはこちらに。 【つくったもの】 シリコンバレーの大御所起業家のマーク・ザッカーバーグ氏(Facebook)、ビル・ゲイツ氏(Microsoft)、イーロン・マスク氏(SpaceX,Tesla)の3人の顔を識別するAI。 (現状、まだこちらはネット上にアップしていません。時間がある時にアップしたいです *2017年5月時点) 【筆者(@AKIKIKIKIKIKIK)のプロフィール】 データ解析や機械学習の前提知識はなし。プログラミングの大体は独学。RailsでWEBアプリ作るのが好き。 【機械学習&ディープラーニングで参考にさせて頂い
画像認識で「綾鷹を選ばせる」AIを作る - Qiita
こんにちは、絶賛プログラミング勉強中のtomoです。 Aidemyで画像認識について勉強し始めて１ヶ月が経ったので、学習成果として投稿します。 はじめに 突然ですが、皆さん「緑茶の中でも選ばれてしまう緑茶は何か」と問われたら何と答えますか？ おそらく50％以上の人は「綾鷹」と答えるかと思います。 この記事では、そんな綾鷹を画像認識によって人々に選ばせるAIを作成します。 Aidemyで学習した内容 「ディープラーニングで画像認識モデルを作ってみよう！」ルートで8つのコースを学びました。 特に「CNNを用いた画像認識」コースにおいて学んだ技術を複数使用しています。 （後述する目次の「⑵モデルを構築/学習する」の仕組みを学べます。） 目次 ・実装概要 ・AIの作成 ⑴Iphoneで撮った写真を学習/検証データにする ⑵モデルを構築/学習する ①シンプルにモデルを構築する ②データを拡張する ③
JavaScriptだけで「AI（人工知能）」による高度な画像認識を実現する「Clarifai」の超簡単チュートリアル大公開！ - paiza times
どうも、まさとらん（@0310lan）です。 今回は、最近よく話題になっている「AI（人工知能）」を活用し、写真を自動認識して何が写っているのかを教えてくれる機能を作ってみたいと思います！ 「なんだか難しそう…」と、思うかもしれませんが、ごく普通のJavaScriptだけで完結できてしまう優秀なWebサービスがあるので、そちらも合わせてご紹介していきます！ 【 Clarifai 】 ■「Clarifai」を使った画像認識とは？ まず最初に、「Clarifai」を使って画像認識を体験できる公式の「サンプルデモ」があるので、これを使いながらどのようなサービスなのかを見ていきましょう。 サイトにアクセスして、画面上部にある「Demo」をクリックします。 すると、「画像認識エディタ」が起動します！ この画面下部にある写真を選択するか、自分で用意した画像をアップロードすることで、「AI（人工知能）」
仕事を奪うのは、本当に人工知能（AI）なのか？
shinshinohara @ShinShinohara AIが仕事を奪い、失業者で溢れかえる時代が来る、創造性のない人間は低賃金に甘んじなければならない･･･と言われている。しかしこれは、AIをスケープゴートにしてるだけではないか。雇用を奪い、多くの人々から収入を奪っているものの正体は、違うのではないか。 2019-07-13 21:49:44 shinshinohara @ShinShinohara 産業革命では、機械が発達、大量生産が可能になり、手工業で生きてきた人たちから仕事を奪った。機械を憎み、打ち壊すラッダイト運動というのが起きたが、事態は改善しなかった。5、6才の子供が14時間労働を強いられ、平均寿命は非常に低かった。生きるか死ぬかのギリギリの生活を強いられた。 2019-07-13 21:53:07
大企業でも作れなかった自動野菜収穫ロボットをなぜスタートアップが作れたのか (2019年7月11日) - エキサイトニュース
人材不足を始めとする課題が指摘されて長い日本の農業業界。アグリテックという産業が確立されるほど、多くの企業がテクノロジーを用いて解決策を提示してきたが、根本的な解決の目処はまだ立っていない。 そんな中、AI技術を用いた自動収野菜穫ロボットを開発し、数々のピッチコンテストやカンファレンスで優勝をするスタートアップが現れた。鎌倉の古民家をオフィスとするinaho株式会社（以下、inaho）だ。最先端のロボットを開発しているとは想像もできないのどかな住宅地の中で、日本の農業の未来を左右するイノベーションが起ころうとしている。 今回はinaho共同代表の1人である菱木豊氏にいかにして自動野菜収穫ロボットを開発したのか、その苦労と試行錯誤のプロセスについて話してもらった。 農家の9割が欲しいという自動収穫ロボット 震災復興のための野外フェスの主催、鎌倉の地域活動「カマコンバレー」の運営、「The W
画像認識とは-機能・事例・仕組み・導入方法など徹底解説 | AI専門ニュースメディア AINOW
AI（人工知能）の話題が連日のようにニュースに登場するようになりました。富士キメラ総研の「2020 人工知能ビジネス調査」によると、2020年度の国内AIビジネス市場規模は、前年度比15.4％増の1兆1084億円に拡大すると見込まれています。また、2021年度以降はDX（デ... 画像認識の活用事例 画像認識技術といっても、画像の種類によって対象の形状や色、複雑さ、データの数などが違ってきます。そのため扱う画像データによって技術領域を分けることができ、主に以下の5つがあります。 物体認識 顔認識 文字認識 物体検出 画像キャプション生成 順番に解説していきます。 物体認識 まず1つ目が物体認識です。物体認識とは、特定の物体と同一のものが画像中に存在するか検証するときや、画像に映っている物体のカテゴリを見分けるなど、画像に含まれている物体の情報を抽出する技術です。この技術は様々な分野で利用さ
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
AIが画像を高画質化するアプリ「Remini」で懐かしのネットミーム画像を再生し始める人たち
http://arxiv.org/pdf/1709.05424
The NVIDIA AI Playground
CNN（Convolutional Neural Network）を理解しよう（TensorFlow編） - Deep Insider
AIで日本史研究者やマニアが狂喜乱舞する「くずし字」の翻訳ツールが開発 - PC Watch
