はてなブックマーク

Supershipの名畑です。「鬼太郎誕生 ゲゲゲの謎」は鬼太郎ファンはもちろんのこと、鬼太郎を知らない方にもぜひ見て水木しげるの世界への入り口としてほしい映画でした。ただしPG12なのでご注意を。 はじめに 2月1日に「Google Chrome プライバシーサンドボックス Topics APIの概要と試し方」という記事を書きました。 あれから10ヵ月近くが経ち状況も変わりましたので、改めてまとめます。 プライバシーサンドボックスとは？ ウェブ向けのプライバシー サンドボックスは、サードパーティ Cookieを段階的に廃止し、隠されたトラッキングも制限します。新しいウェブ基準（英語）を策定することで、データのプライバシー保護を強化しながらデジタル事業の構築を可能にします。 Android向けのプライバシー サンドボックスは、ユーザーのプライバシー保護を優先しながら、アプリの開発者が事業の

Supershipの名畑です。映画「ゴジラ-1.0」を見た後にインターネット上で他の方々の感想を読んだのですが、様々な観点があるものだなと勉強になりました。 はじめに 「New models and developer products announced at DevDay」で様々なアップデートを発表したOpenAIですが、そのうちの一つとしてGPTsがございます。ものすごく話題ですね。(CEO退任のニュースの方が話題になってしまっている感もありますが……続報からすると、OpenAIで働き続ける線もあるのですかね) GPTsは端的に言えば「自分だけのChatGPTを作成して公開することができる」というものであり、サイトを見ると Starting today, you can create GPTs and share them publicly. Later this month, we

Supershipの名畑です。サイコミで連載されていた「リプライズ　2周目のピアニスト」が完結。毎週楽しみに読んでいました。楽しみが一つ減ってしまったのは少し残念。 はじめに Metaがリリースした大規模言語モデルLlama 2(ラマ2)が話題です。 詳しくはここでは触れませんので興味のある方は Meta、新たな大規模言語モデル「Llama 2」　商用利用可でGPT-3.5に匹敵 - Impress Watch Metaが商用可能な大規模言語モデル「Llama 2」を無料公開、MicrosoftやQualcommと協力してスマホやPCへの最適化も - GIGAZINE このあたりを読んでいただくとして、今回はこのLlama 2をAppleシリコンのMacBookでダウンロードして簡単な会話をするまでを試したので、その手順を記録に残します。 私の環境 MacBook Pro(Apple M2

ChatGPTのDALL·E 3での生成画像とStable DiffusionのSDXL 1.0での生成画像をひたすら比較してみたPythonPython3DALLEStableDiffusionChatGPT Supershipの名畑です。16bitセンセーション ANOTHER LAYERとか、少し前だとハイスコアガールとか、懐古できる系の作品は琴線を刺激する。 はじめに 以前「Stable Diffusionの最新モデル「SDXL 1.0」と過去モデルの生成画像をひたすら比較して進化を実感してみた」という記事を書きました。Stable Diffusionの新モデルStable Diffusion XLの1.0がリリースされたので、過去バージョンとの生成画像を比べていくというものでした。 今回の記事では、超話題になっているOpenAIのDALL·E 3でも同じように画像を生成し、それを

Supershipの名畑です。「映画『THE FIRST SLAM DUNK』宮城リョータの誕生日（7月31日）に興行収入150億円を突破！」「映画『コナン』シリーズ初の興収100億円突破 26年目で待望の大台…記念イラスト公開」「『劇場版アイドリッシュセブン』興収20億円&動員117万人突破」どの作品も映画館でかなり楽しませていただきましたが、最近の劇場版アニメ、勢いありますね。 はじめに 前に「採用活動のために競技プログラミング（AtCoder）を始めて一年経ったので感想を書きます」という記事を書きました。エンジニアの採用活動で頻繁に競技プログラミング、中でも特にAtCoderの話題が出るため、その内容を知るという目的でAtCoderを緑までやり、その感想をまとめた記事です。 採用活動をしているとエンジニア向けの転職・就職・学習プラットフォームであるpaizaのプログラミングスキルチェ

Stable Diffusionの最新モデル「SDXL 1.0」と過去モデルの生成画像をひたすら比較して進化を実感してみたPythonPython3StableDiffusion Supershipの名畑です。週刊少年ジャンプ34号に掲載された小園江ナツキ先生の読切漫画「殺陣ロール」好きです。 はじめに 7月27日についにStable Diffusionの新モデルSDXLの1.0がリリースされました。当初の予定よりは遅れたものの、0.9がリリースされた6月23日から1月程度での高速リリースです。 SDXL 0.9の際に「Stable Diffusionの最新モデルSDXL 0.9と過去モデルで生成画像を比較してみた」という記事でStable Diffusionにおける生成画像の変遷をまとめましたが、今回もSDXL 1.0でどのように変わったのかを記録に残します。 画像の生成はPythonで

Supershipの名畑です。6月となり、2023年春アニメが次々とクライマックスを迎える中、2023年夏アニメの情報も盛り上がり、落ち着かない毎日です。 はじめに Clipdropというサービスがあります。Stable Diffusionの提供元であるstability.aiによる画像編集ツールです。 Stability AI 日本公式が公開している「様々な生成AIが無料で使えるClipdropが凄い」という記事に概要がまとまっています。一部の物体のみ取り除いたり、背景のみ取り除いたり、様々な画像加工が可能です。 ブラウザ上で利用できるのですが、今回はClipDrop APIs経由で使ってみましたので、その内容を記事にします。 APIとしては下記が提供されていますが、今回はこのうちの3つInpainting、Remove Background、Remove Textを試します。 Inpa

Supershipの名畑です。Dr.STONEは分割2クールなのですね。1期、2期も面白かったけれど、今回の3期はさらに面白い。何度涙腺が緩んだことか。さて、10月まで秒数をカウントしますかね……。 はじめに OpenAI（ChatGPTの提供元）によるChat APIについてまた書かせていただきます。 先日Function calling and other API updatesにて、APIのアップデートが告知されました。 アップデート内容の一つであるFunction calling(関数呼び出し)が話題になっておりますが、こちらについて私も遅ればせながら試してみたので記事として残します。 Function callingにおける一連の流れを順次説明してまとめていますので、皆様の理解に繋がると嬉しいです。 Chat API自体が初耳という方は過去の記事「OpenAIのChat API(

Supershipの名畑です。私の大好きなアニメイト池袋本店と言えばそのすぐそばには惜しまれながらも4月で営業を終えたハレスタ。ハレスタと言えば私の中では0.1gの誤算。0.1gの誤算と言えば「入場と同時に「受付で演奏を開始したら」バンギャはどんな反応をするか検証してみた」はここ最近で最も笑わせていただいた動画です。 はじめに 前々回の記事「Stable Diffusionでの画像生成をPythonとWeb APIで実装してみた記録」と前回の記事「Stable Diffusionにおける同一人物の別表情生成をPythonとWeb APIで試みた記録」に続いて、今回はStable Diffusionでアニメーション生成をしてみます。Stability Animationで紹介されているものです。Animation SDKを用います。 「画像生成AI「Stale Diffusion」開発元がテ

Supershipの名畑です。近頃のアニメのOPとEDは本当に内容に寄せてきて素晴らしいなとマッシュル-MASHLE-のOPとEDを見ながら思います。 はじめに 前回の記事「Stable Diffusionでの画像生成をPythonとWeb APIで実装してみた記録」ではテキストからの画像生成モデルであるStable Diffusionでのアカウント作成から画像生成までを記録に残しました。 今回はStable Diffusion記事の第二弾です。 人物の画像生成をしていると「同じ顔を別の表情にしたい」というケースがあります。 それを実現するには同一人物の画像を大量に揃えて学習させるというのが本筋でしょうか。あるいは私が知らないだけで、用意されたモデルやサービスを使えばある程度やりたいことがやれるのかもしれません。MidjourneyやNovelAIやControlNetなど、画像生成では色

Supershipの名畑です。ツイステッドワンダーランドの7章のChapter 3がついに公開されたわけなんですが、すぐに読み終わってしまい、続きはよ。はよ。 はじめに これまでOpenAIで遊ぶ記事を色々と公開してきまして、また今更感ありまくりなのですが、最近はstability.aiのAPI群で遊んでおります。テキストからの画像生成モデルであるStable Diffusionがめちゃくちゃ有名ですね。 今回の記事ではアカウントの作成とAPIを呼び出しての画像生成をPythonで実装した記録を残しておきます。 登場するコードはREST API referenceのv1/generationのままです。 自環境 macOS(Monterey)です。 Pythonはすでにインストール済みです。

モデルになにを学習してもらうか？ Fine-tuningを実施した場合「Fine-tuningの効果があったか」が判定できる必要があります。 何を学習してもらえば効果が実感できるのか？ Modelsを見るとCompetions APIで使えるmodelには下記があります。 text-davinci-003 text-davinci-002 text-curie-001 text-babbage-001 text-ada-001 どれも学習データは2021年9月以前のようです。 ということは2021年10月以降に発生した情報を学習させれば、どのモデルにおいても効果が実感できるのではと考えました。 ぼっち・ざ・ろっく! ぼっち・ざ・ろっく!という漫画並びにその漫画を原作としたTVアニメがあります。人気なのでご存知の方も多いでしょう。超余談ですが、私、この作品を見るとBECKを思い出すんですよね

Supershipの名畑です。GW中に島本和彦先生 画業40周年突破記念『炎の原画展』を見に行ったので、心が熱い。 はじめに ネットだけではなくテレビだ雑誌だといたるところでChatGPTの話題だらけで今更感ありまくりですが、自環境でOpenAIのChat API(Chat completions)を試した際の諸々を書き残しておきます。 ライブラリのインストール、アカウント作成から始まってChat APIとの会話の実装までの記録です。目新しいことはなにもないですが、少なくとも未来の自分の役には立ちそう。 大体の内容は公式のAPI ReferenceとGuideのままです。 自環境 macOS(Monterey)です。 Pythonはすでにインストール済みでした。3.10.7です。

はじめに 先月の記事「AtCoderで年齢(誕生年)とレーティングや得点の相関について調べてみた」にて、タイトルの通り、AtCoderにおける年齢とレーティングの相関を調べてみました。 その記事にて年齢とプログラミング言語に相関があるのではというコメントをいただきました。ありがとうございます！！ 実際に年齢と使用言語の相関を調べたみたところ、個人的には予想外な結果が出ました。 年齢が高いほどにC++の使用率が高く、低いほどにPythonの使用率が高いのだろうと予想していたのです。 対象ユーザ AtCoderのランキングのアクティブユーザのみ(2023年4月2日6時付)を元とする。そのため、本記事でユーザという単語が用いられた場合はアクティブユーザを示すとお考えください。アクティブユーザは過去2年以内にRatedコンテストに一度でも参加したユーザと定義されています。 各ユーザの使用言語はAt