画像生成AIのしくみ【前編】 AIに言葉を理解させる技術 | gihyo.jp
A small cabin on top of a snowy mountain in the style of Disney, artstation さらに、その多くはユーザーがテキストを入力するだけで画像を生成できるアプリケーションを備えていたため、人々が気軽に使える身近な存在として急速に普及しました。これまでにも囲碁AIのAlphaGoや言語AIのBERTやGPT-3を始め、強力なAIは多数登場していますが、ここまで多くの人が積極的に利用するAIはありませんでした。 生成AIとは何者なのか 画像生成AIという言葉から想像できるように、「文章生成AI」や「音楽生成AI」なども存在します。本記事ではこれらをまとめて「生成AI」と呼ぶことにします[1]。 生成AIはこれまでのAIと何が違うのでしょうか。従来のAIの例として、入力画像がホットドッグかどうかを判別する画像分類AIを考えましょ
ドメイン駆動設計を導入するために転職して最初の3ヶ月でやったこと[DDD] - little hands' lab
この記事は ドメイン駆動設計 Advent Calendarの記事です。 今年の9月にログラスというスタートアップに転職しました。 ログラスは元々DDDについて講師として勉強会をさせてもらっていた会社であり、DDD自体は社として取り組んでおりある程度進んでいました。ですが、講師ではなく中の人になったからこそできる色々な取り組みがあり、3ヶ月である程度形になりました。 本記事では、DDDを広めるための取り組みについて、極力再現性がある形を意識しつつ、ご紹介したいと思います。 入社時の状況 なにをしたか テストの話が多い理由 実施内容詳細 TDD Boot Campの@t_wadaさんの基調講演観賞会を行った Serviceクラスを1パブリックメソッドにした レイヤーごとのオブジェクトの依存関係を整理 レイヤーごとのテスト方針 クラス名の重要性 参照実装を作成した 「責務」と「テスト」の重要性
![ドメイン駆動設計を導入するために転職して最初の3ヶ月でやったこと[DDD] - little hands' lab](https://cdn-ak-scissors.b.st-hatena.com/image/square/af7afb371080ebffd6049566e694a560f315052d/height=288;version=1;width=512/https%3A%2F%2Fcdn.image.st-hatena.com%2Fimage%2Fscale%2Fe72d4368c74e3a248a45b6b48a5b152ef5555594%2Fbackend%3Dimagemagick%3Bversion%3D1%3Bwidth%3D1300%2Fhttps%253A%252F%252Fcdn-ak.f.st-hatena.com%252Fimages%252Ffotolife%252Fl%252Flittle_hands%252F20201221%252F20201221103037.png)
AndroidでTensorFlowを使ってアプリ作りたいけど何すりゃいいの(前編) - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? タイトルと同じことを心でつぶやいている人は結構いると思います。 当記事では、「どんな仕組みで動くのか」ではなく、「どうすれば動くのか」に焦点を当てています。 飛行機はどんな理屈で飛ぶのか、ではなく、飛行機はどう操作すれば飛ぶのか、という感じです。 要するに何すりゃいいの 端的に言えば次の通り: 学習済みモデルを用意 プロジェクトにTensorFlowのライブラリを追加 TensorFlowInferenceInterface をnewして学習済みモデルを読み込ませる 画像とかを配列化してTensorFlowInferenceInterf
いまNN API（TensorFlow Lite）は使えるのか
この記事はTensorFlow Advent Calendar 2018の24日目の記事です。 23日目の記事は、AtuNukaさんによる「Design Documentから見たTensorFlow 2.0の変更点」でした。 はじめに あいかわらず趣味でTensorFlowを使っていて、最近はAndroidで動作させるTensorFlow Liteまわりを重点的に取り組んでいます。 アドベントカレンダーの22日目の記事、足立氏（カブク社）による「いまMLKitカスタムモデル（TF Lite）は使えるのか」に書かれているように、TensorFlowのモデルをAndroid端末で動かすことに関しては「使える」レベルになってきていると筆者も思います。 そこで今日は、TensorFlow LiteのモデルをAndroidアプリに組み込んで動作させるとき、NN APIを使うように設定すると「動かない
TensorFlowのモデルファイル.pbを.tfliteに変換するときの注意点 - 株式会社ライトコード
TensorFlowによって生成されるモデル・ファイルの「.pb」は、大きく分けて上記のようなパターンで「.tflite」に変換可能です。 公式ドキュメントでは、一番下の「クラス：tf.lite.TFLiteConverter」の使用を推奨しています。 3種類のクラス そして「クラス：tf.lite.TFLiteConverter」では、モデルに応じて3種類のクラスが用意されています。 TFLiteConverter.from_saved_model()： SavedModel ディレクトリ を変換、MobileNetなどで。 TFLiteConverter.from_keras_model()： tf.kerasモデルを変換、MNISTなど。 TFLiteConverter.from_concrete_functions()： 具象関数を変換。 そして各クラスの記述方法は違って、予め定め
Deep Learning
2012年に開催された大規模画像認識のコンペ ILSVRC(ImageNet Large Scale Visual Recognition Challenge)で AlexNet が圧倒的な成績で優勝して以来、ディープラーニングの手法が画像認識での主役に躍り出ました。それ以降、ILSVRC で ImageNet の画像を用いたモデルの開発競争が行われてきました。 ディープラーニングの手法はCNN (Convolutional Neural Network)を基礎としています。その初期代表モデルは LeNet と AlexNet でした。その後、畳み込み層を深くすればするほど学習精度が上昇するので、畳み込み層をより深くするモデルが登場しました。VGG16、VGG19 は畳み込み層の深さを16、19にしたネットワークモデルです。GoogLeNet は畳み込み層を22にまで拡大しました。そして、
Barracuda 1.0.0 - Unity用の軽量でクロスプラットフォームなニューラルネットワーク推論ライブラリ｜npaka
以下の記事を参考に書いてます。 ・Introduction to Barracuda | Barracuda | 1.0.0 1. Barracuda「Barracuda」は、Unity用の軽量でクロスプラットフォームなニューラルネットワーク推論ライブラリです。GPUとCPUの両方で推論できます。 次のようなシンプルなコードで、ニューラルネットワークモデルで推論することができます。 var model = ModelLoader.Load(filename); var engine = WorkerFactory.CreateWorker(model, WorkerFactory.Device.GPU); var input = new Tensor(1, 1, 1, 10); var output = engine.Execute(input).PeekOutput();ニューラルネット
【Unity】Blenderで作成した3DモデルをglTF形式でインポートする | XR-Hub
せっかくBlenderでマテリアル・テクスチャを設定しても、FBX形式では色・質感・ノーマルマップといった情報はエクスポートされません。 そのせいで、「マテリアルの再設定が手間だ」「Unity上で思った表現ができない」と悩んでいる方、いらっしゃるのではないでしょうか？ こういった悩みを解決してくれる「glTF」というフォーマットが存在します。 今回はこの「glTF」フォーマットを用いて、マテリアル再設定の手間削減・Blenderで設定した表現をUnity上で再現するための手順についてご紹介していきます。 glTFとは？ 「Khronos Group 3D Formats Working Group」によって開発された、使う場所を選ばずに3Dモデルやシーンを表現することができるフォーマットです。 要するに共通フォーマットであり、相互運用可能な3D表現が簡単に実現できます。 Blenderでは
大幅に進化するらしいTensorFlow2.0について - HELLO CYBERNETICS
はじめに TensorFlow2.0がもうすぐ来るよ！ APIs High level APIs Eager Exexution Reference Models Contribの扱い プラットフォーム TensorFlow Lite TensorFlow.js TensorFlow with Swift パフォーマンス Distributed TensorFlow CPU、GPU、TPUの最適化関連 その他のパッケージ TensorFlow Probability Tensor2Tensor End to End ML systems TensorFlow Hub TensorFlow Extended はじめに TensorFlow2.0ではこれまでのTensorFlowから大幅に変化するので、その変更点について記しておきます。 基本的には公式のRoadmapの和訳と思って差し支えあり
Nianticのリアルワールド・プラットフォームをご紹介します - Niantic
Niantic を立ち上げたとき、「発見」「運動」「実社会でのつながり」の 3 つを価値観の中心に据え、会社のミッションを作りました。でも、そのときには拡張現実 (AR) が皆さんや皆さんがお住まいのコミュニティに、このように良い影響をもたらすものになるとは、考えてもいませんでした。私たちのテクノロジーへの情熱とゲームづくりにかける強い思いを組み合わせて、年齢を問わず多くの皆さんに、これまでになかった新しいおもしろさをお届けできのはとても幸せなことです。 今日は、少しだけですが、私たちが開発している「Niantic リアルワールドプラットフォーム」をご紹介します。こうしたお話をするのは今回が初めてですが、こちらをご覧いただくと、Nianticがどのくらい本気でARに取り組んでいるのか、どんな地平を切り開いてきたのか、おわかりいただけると思います。 昨年一年を通じて、私たちは AR マップと
Oculus Go 日本で発売 価格は23,800円から
Oculus Go 日本で発売 価格は23,800円から フェイスブック傘下のOculusは5月1日（日本時間5月2日）、一体型VRヘッドセット「Oculus Go」の販売を開始しました。モデルはストレージが32GBと64GBの2モデル。日本円での価格は32GB版が23,800円、64GB版が29,800円です（送料、税込）。販売国はRiftを発売している国及び韓国となっており、日本も含まれています。 日本での購入はOculusの公式サイトで可能です。 [ads] 安価で手軽ながら上質な体験が可能になるOculus Go Oculus Goは、PCやスマートフォンを使わない一体型VRヘッドセットです。接続の手間がないため、電源を入れてあれば、ヘッドセットを被るだけでVR体験ができるようになります。 トラッキングはヘッドトラッキングのみとなっており、レノボのMirage Soloやハイエンド
【Unity】Particle SystemにLODを適応してみる - テラシュールブログ
何となく思いついて、LODをパーティクルに適応したところ、出来てしまいました。何の役に立つのかと思ってみましたが、これが思いの外有効そうです。 例えば複数の演出で成り立っているパーティクルの場合、距離に応じて演出を追加していくのもアリかもしれません。 下の場合、LOD0は7個のパーティクルから成り立っていますが、LOD１は4個、LOD2は2個のパーティクルまで削減しています。 他のもいくつか使いみちがありそうですが、同時に機能しないどころかパフォーマンスを悪化させるケースもあります。 今回はソレについて紹介します。 目次 LODとパーティクル Particle SystemにLODを設定してみる で、パフォーマンスは？ 描画負荷は削減される パーティクル自体のパフォーマンスはprocedural modeなら効率化 LODよりCullingGroupの方が良いかもしれない 感想 関連 LO
クァルコム、一体型VRヘッドセットをさらに性能向上 解像度は4Kへ
クァルコム、一体型VRヘッドセットをさらに性能向上 解像度は4Kへ スマートフォン向けのチップセットを開発するクァルコム社は新しいスタンドアロン型VRヘッドセットのリファレンスモデルを発表しました。前作と比べ省電力性や処理速度などが増しており、さらに片目2000×2000ピクセルの超高解像度を実装できる可能性もあるとのことです。 VR実装モデルの開発企業 クァルコムはカリフォルニア州に本社を置く、スマートフォン向けのチップメーカーです。近年はVRにも力を入れて取り組んでおり、VRヘッドセットの「リファレンスモデル」を発表しています。リファレンスモデルとは、メーカー向けに出される開発モデルのことで、各メーカーはこれを元に製品を開発します。2016年に公開されたリファレンスモデル『835 VDRK』は一体型で、且つ視線追従機能や位置トラッキング機能などを搭載しており、これを元に『Vive Fo
カーネギーメロン大学、顔の表情やハンドジェスチャの細部な動きと体の大規模な動きを同時にマーカレスで複数人キャプチャできる3Dモデル手法を発表
カーネギーメロン大学、顔の表情やハンドジェスチャの細部な動きと体の大規模な動きを同時にマーカレスで複数人キャプチャできる3Dモデル手法を発表 2018-01-05 カーネギーメロン大学の研究者らは、体の動き、顔の表情、手のジェスチャなどを含む全身の動きを同時にマーカレスでキャプチャする方法を論文にて発表しました。 Total Capture: A 3D Deformation Model for Tracking Faces, Hands, and Bodies 著者：Hanbyul Joo、Tomas Simon、Yaser Sheikh 本稿では、複数人の顔の表情、指の動きを含む手のジェスチャなどの詳細なモーションから、胴体や腕の大きなモーションを同時にキャプチャするための新しいアプローチを提案します。 キャプチャには、VGAカメラ480台、HDカメラ31台、Kinectセンサー10台
その69 インスタンシングでモデルを大量発生！
ホーム < ゲームつくろー！ < DirectX技術編 その69 インスタンシングでモデルを大量発生！ 久しぶりのDirectX9技術編。2014.9時点でDirectX11な時代ではありますが、3Dの基礎はDirectX9でも十分に学べます。まだまだ現役DX9(^-^) 3Dのモデルには、例えば主人公クラスのキャラクタのように1点物モデルもありますが、パーティクルやモブキャラ（背景に適当にいるキャラクタ）のように同じ形状のモデルで且つ大量に発生する役目をするモデルもあります。STGも全く同じ弾や敵のモデルが実に沢山出ますよね。またノベルス系やRPGなどで大量に表示するフォント文字は、これ同じ板ポリゴンの形で表示位置とUV（フォントの位置）が違うだけだったりします。このように「同型もしくは似てるモデルを大量に発生する」場合、個々のモデルを1個ずつまともに描画していると大幅にパフォーマンスを
Unityに配置したモデルをアニメーション向けに最適化する - テラシュールブログ
Unityでアニメーションを行うモデルを配置した際、パーツ次第で結構深い階層を持つことになります。実はUnityは深い階層を持つのは高いコストになるらしく、これを避けるのが望ましくあります。 下の図はハロゥインユニティちゃんのみのシーンですが、展開すると凄くオブジェクトが大量にある事が分かります。 対策 なので不要なオブジェクトを減らします。 AnimatorのOptimize Transform Hierarchyを実行すると、Animatorの「コンポーネントがTransformだけの」オブジェクトをHierarchyから削除します。 またこの状態は、モーションの角度計算などがオブジェクトや階層毎ではなく一括で出来るようになるらしく、パフォーマンスにそれなりな影響が出るみたいです。 最適化で削除されないで欲しいオブジェクトがある場合もあります。例えば「剣」や「盾」といった装備を持つジョ
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
グーグルがTensorFlowに3Dデータ向けライブラリ追加、スマホ向けAR強化の一環か
TechCrunch | Startup and Technology News
VTuberにもぴったり!? ユニティちゃん「The Phantom Knowledge」の新コス3Dモデルが配布
assets/controllers at gh-pages · aframevr/assets