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
OpenCV plus Unityサンプル集 20選 - おもちゃラボ
UnityでOpenCVを使いたい場合には「OpenCV for Unity」と「OpenCV plus Unity」の２種類のアセットがあります。OpenCV for Unityは有償（$104）でメンテナンスもこまめに行われている一方、APIが独特でpythonやC++のOpenCVに慣れている人には少し使いにくいイメージです。 一方、OpenCV plus Unityは オープンソースのOpenCVSharpをUnity用にカスタムした無償のアセットです。APIの形式も他言語のものと似ていて比較的使いやすいため、この記事ではOpenCV plus Unityを使ったサンプルを紹介します。 ここで紹介するOpenCVのサンプルは以下のとおりです。 下準備 画像の読み込み グレースケール化 画像を2値化する 画像から輪郭検出する 画像を射影変換する 座標の射影変換 ガウシアンブラーでぼか
輝度+色差でテクスチャ圧縮(YUVあるいはYCbCr) - KAYAC Engineers' Blog
こんにちは。技術部平山です。 今回は以前書いたインデクスカラー画像に関する記事、及び、 16bitカラー画像に関する記事の続編です。 今回はRGBを「輝度」と「色差」に変換してから圧縮する技法を紹介します。特徴は、 GLES2で出せる そこそこ良好な画質 不透明で12bit/画素(実質3/8の圧縮率)、アルファ対応すれば20bit/画素(5/8の圧縮率)。 圧縮は高速でツールを選ばない 変なシェーダなしでバイリニアフィルタ可能 専用コンポーネント/シェーダで面倒くさいのはインデクスカラーと一緒 といったところで、結論は変わらず ETC2で良くない? となります。 なお、すでにUnity用の実装が公開されている ChromaPackと だいたい同じもので、 元テクスチャが2のべき乗(POT:PowerOfTwo)であれば、それを維持できる アルファチャネルへの配慮 といったあたりが少し異なる
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
Convolutional Neural Networkとは何なのか - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 機械学習の世界において、画像といえばConvolutional Neural Network(以下CNN)というのは、うどんといえば香川くらい当たり前のこととして認識されています。しかし、そのCNNとは何なのか、という解説は意外と少なかったりします。 そこで、本記事ではCNNについてその仕組みとメリットの解説を行っていきたいと思います。 なお、参考文献にも記載の通り解説の内容はStanfordのCNNの講座をベースにしています。こちらの講座はNeural NetworkからCNN、はてはTensorflowによる実装まで解説される予定な
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、
U-Net：ディープラーニングによるSemantic Segmentation手法
※このネットワーク図では具体例として入力画像と特徴マップのサイズも記載されているが、U-Netは全結合層を持たないため、入力画像サイズを固定する必要はない。 この論文では細胞と背景のセグメンテーションが目的なので出力は2チャンネル(2クラス分類)。 Encoder-Decoder構造 U-NetもFCNやSegNetと同様に全結合層を持たず、畳み込み層で構成されている。U-NetもSegNetのようにほぼ左右対称のEncoder–Decoder構造で、Encoderのpoolingを経てダウンサンプリングされた特徴マップをDecoderでアップサンプリングしていく。 U-NetとSegNetの大きな違いは、Encoderの各層で出力される特徴マップをDecoderの対応する各層の特徴マップに連結(concatenation)するアプローチを導入した点。このアプローチはスキップ接続と呼ばれて
ガンマについて
※専門家に怒られてしまうかもしれませんが、記事内では分かりやすさを優先して数値やグラフを大雑把に扱う部分もあります。ご注意ください。 ガンマとは何か？その答えは意外にシンプルです。スティーブ・ライト氏の著書『ノードベースのデジタルコンポジット コンポジターのための理論と手法』より引用します。 数学的な概念でいうと、ガンマとは『べき関数』、つまり他の値を指数として累乗される値です。 引用元：スティーブ・ライト 『ノードベースのデジタルコンポジット』(1) ガンマとは、ある入力値を変更するために用いる「べき指数」です。非常に短い数式で説明することができます。 ガンマは、入力値を大きくしたり小さくしたりします。基本的なポイントですが、ガンマ値は1より大きいときに入力値を小さくします。これはちょっと変だと感じるかもしれません。ガンマ値はべき乗（累乗）にも関わらず、掛け算するほど入力値を小さくするの
セントルイス・ワシントン大学やAdobeら、1枚の画像から平面深度マップをピース単位で再構築する機械学習を用いた手法を発表
セントルイス・ワシントン大学やAdobeら、1枚の画像から平面深度マップをピース単位で再構築する機械学習を用いた手法を発表 2018-07-27 セントルイス・ワシントン大学、Adobe Research、Argo AI、サイモンフレーザー大学の研究者らは、屋内シーンにおける１枚の画像からピース単位の平面深度マップを再構築する「PlaneNet」を発表しました。 論文：PlaneNet: Piece-wise Planar Reconstruction from a Single RGB Image 著者：Chen Liu, Jimei Yang, Duygu Ceylan, Ersin Yumer, Yasutaka Furukawa GitHub：art-programmer/PlaneNet （左から順に、入力画像、ピース単位の平面セグメンテーション、再構成した深度マップ、テクスチャ
LINE 桜川さんの話す「もっと読んでもらうための工夫」が実用的すぎてめちゃいい #AWAsia #LINE_AWA - @d_tettu blog
2018年5月14日〜16日に、東京ミッドタウンで開催されているAd Week Asia。会社の偉い人から関係者向けのチケットをもらったので行ってきました。 何を聞こうかな〜とパンフレットに目を通していたら「スマホ時代のコンテンツデザイン」なる講演を発見。LINE・桜川さんのお話がめちゃ良かったのでメモを残しておきます。 こんな風に「より届けるべき人に届ける、よく読んでもらうために何をするべきか？」を考え続けてるのいいな〜。みんな読んでね。 ちなみにほか記事は以下 Googleは、機械学習でどうマーケティングを変えようとしているのか #AWAsia - @d_tettu blog 6秒でメッセージを届ける方法とはーーYouTube動画広告の効果的な作り方 #AWAsia - @d_tettu blog 「伝える」は奥が深い。メディア編集者3人が語る”これからのストーリーテリング” #AWA
Googleがクロマキー合成なしで撮影中のムービーから背景をリアルタイム除去することに成功
YouTube ライブなどで生放送を行っている人を見ると、配信者の背景にゲーム画面など別の画面を映し出していることがあります。この撮影を行うにはクロマキー合成などを使用することで実現可能ですが、あらかじめ背景となる部分にグリーン一色の壁を張り巡らすなど、手間のかかる準備が必要です。そこでGoogleはこのような手間のかかる準備をなくすため、撮影中のリアルタイムの映像から背景のみを除去する技術を開発したとのことです。 Research Blog: Mobile Real-time Video Segmentation https://research.googleblog.com/2018/03/mobile-real-time-video-segmentation.html Googleによると、この人物と背景を分離させる「セグメンテーション」技術は「畳み込みニューラルネットワーク(CNN
【画像45枚あり】フーリエ変換を宇宙一わかりやすく解説してみる
こんにちは，学生エンジニアの迫佑樹(@yuki_99_s)です． 工学系の大学生なら絶対に触れるはずのフーリエ変換ですが，「イマイチなにをしているのかよくわからずに終わってしまった」という方も多いのではないでしょうか？ 難しいのに加えて，教科書もちょっと不親切で，いきなり論理が飛躍したりするんですよね(僕の理解力の問題かもしれませんが) 僕がフーリエ変換について学んだ時に，以下のような疑問を抱きました． 出来る限り難しい式変形は使わずにこれらの疑問を解決できるようにフーリエ変換についてまとめてみました!! 多少厳密性を欠いても，とりあえず理解するという目的の記事なので，これを読んだあとに教科書と付き合わせてみることをおすすめします． それでは，いってみましょう!! 今回の記事は結構本気で書きました． フーリエ変換の公式 今回のゴールを確認するべく，まずはフーリエ変換及びフーリエ逆変換の公式
『waifu2x』とは？AIで画像を補完&拡大する便利ツール | Ledge.ai
この画像、もーちょい大きいの無いのかなぁ…。 無理に拡大してもドットがガッタガタになっちゃうしなー。 あー、JPEG圧縮かけすぎて色壊れとる！修正めんどくさいー！ こんなシーンで困った経験、誰にでも多少はありますよね。今回ご紹介するツールなら、その問題を完全にこの世から無くすことも可能… かも知れません。 画像をぶっ壊さずに、AIによる自動補完で美しく拡大してくれる無料ツール『waifu2x』が大幅にアップデート。リリース当時にはイラスト（2次元画像）オンリーだった仕様から 本格的に写真画像にも対応 し、精度もアップしてくれたのです。 ※リリースは7月くらいだったみたいですが waifu2xとは？つまり何をどーしてくれるツールなのか。 waifu2x 簡単に機能を説明すると、要するに『画像を拡大したときに足りなくなる色情報を人工知能が予測して補完。いい感じに拡大処理を実行してくれる無料オン
写真を中級者レベルに上げる、「被写界深度」を使いこなす5つの練習をしよう | ライフハッカー・ジャパン
写真の基本的なテクニックを学ぶとき、初心者が中級者レベルになるために欠かせないのが「被写界深度」です。被写界深度とは何か、写真に合わせてどのように変えるのかを理解し、ほかの技術などと合わせて使うことで、写真がさらにレベルアップします。 被写界深度とは何か？ 簡単に言えば、被写界深度とは被写体にピントを合わせたときのレンズからの距離です。写真の被写界深度は、ピントが合っているか、ボケているかで決まります。わかりやすい例をあげてみましょう。 この写真では、指先とフィルムにピントが合っており、それ以外の部分はピントが合っていません。これは被写界深度が"浅い"状態です。レンズの目の前にある狭い範囲しかハッキリと見えません。被写界深度が"深い"場合は違うように見えます。下の2つの写真（を組み合わせたもの）を見てください。 絞りの値を変えて取った同じ構図の写真（左右）ですが、かなり違って見えます。この
画像処理の数式を見て石になった時のための、金の針 - Qiita
$k$は定数で、だいたい0.04~0.06くらいです。Rの値によって以下のように分類できます。 Rが大きい: corner Rが小さい: flat R < 0: edge 図にすると、以下のようになります。 CSE/EE486 Computer Vision I, Lecture 06, Corner Detection, p22 これで手早くcornerを検出できるようになりました。ここで、corner検出についてまとめておきます。 cornerは複数のedgeが集まる箇所と定義できる 変化量をまとめた行列の固有ベクトルからedgeの向き、固有値の大きさから変化量の大きさ(edgeらしさ)がわかる 2つの固有値の値を基に、edge、corner、flatを判定できる 固有値の計算は手間であるため、判定式を利用し計算を簡略化する なお、Harrisはedgeの向きである固有ベクトルを考慮す
ResponsifyJS - 画像の表示をレスポンシブに変化
MOONGIFTはオープンソース・ソフトウェアを紹介するブログです。2021年07月16日で更新停止しました レスポンシブコンテンツの中で最も扱いづらいのは画像と言えます。バイナリファイルであるために画面の大きさに関わらず同じサイズですし、画面幅の変更に対してレスポンシブに変化することができません。 そこで使ってみたいのがResponsifyJSです。画像をレスポンシブにするjQueryプラグインで、単に縮小されてしまう表示とは一味違った演出が見ものです。 ResponsifyJSの使い方 ResponsifyJSを使った例です。これは普通の表示です。 画面幅を変えました。写真は小さくなりましたが、メインとおぼしき部分の大きさはほとんど変わっていません。 実際にブラウザのウィンドウを動かしてみると、画面幅に応じて画像の内容が若干動いているのが分かるはずです。 ResponsifyJSは画像
このかわいい女の子は誰かな……って3DCGだとぉ！？ 実写にしか見えない美女「Saya」に驚きの声
Twitterに投稿された、数枚の女の子の写真が話題になっています。制服に身を包んだかわいらしい女の子、どこかのアイドルかな？ と思ったのですが……なんと、その正体は3DCGだというのです！ まじかよ！ 3DCGです。信じられますか？ 本物の人間にしか見えません。 「Saya」と名付けられたこのキャラクターは、夫婦でCGを作成されている@mojeyukaさんの作品。ムービーのためのキャラクターなので、なんと動かせるとのことです。しかも、まだ目標の質感には届いておらず、「もう少し見直しが必要」だそうです。何という向上心。人物写真を見ても、実在の人物かどうか信じられなくなりそうです。 ネット上では、「すばらしい」「実写かと思いました、すごいな」「すごすぎる…」「本物の人間かと思いました」といった声が上がっていました。確かに、もうまったく見分けがつきません。次はぜひ、動いているシーンが見てみたい
リンクではなくキャプチャ - 若年世代の「シェア」で問われるメディアの生き残り戦略（朽木誠一郎） - エキスパート - Yahoo!ニュース
ウェブメディアをしていて時折おそろしく感じるのは、スマホネイティブ世代の行動が予測できないことです。 LINEの巨大グループやMixChannelのカップルキス動画など、理解が追いつくより先に新しい現象が発生する様子を見聞きすると、このような感覚のズレがやがて自分の職域にも影響を及ぼすであろう予感がします。 【1万人を超える巨大グループも!?】大人が知らない中高生のLINEグループの使い方を調査したら、闇が深かった。｜Social Native Life - kakeru 本当に「リア充中高生」はキスばかりしているのか？ ～MixChannelのキスを数えましょう～ - Yahoo!スマホガイド スマホネイティブ世代、さらにその先の、もっと今と違う何らかの世代が大多数になった世の中では、ウェブメディアもまたオールドメディアとしてくくられるのでしょう。このスピード感では、それはそう遠くない未
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
【深層学習入門】画像処理の基礎(画素操作)からCNN設計まで｜はやぶさの技術ノート
waifu2x