3D Packing for Self-Supervised Monocular Depth Estimation paper code Self-supervised Learning with Geometric Constraints in Monocular Video Connecting Flow, Depth, and Camera paper SuperDepth: Self-Supervised, Super-Resolved Monocular Depth Estimation paper HOW MUCH POSITION INFORMATION DO CONVOLUTIONAL NEURAL NETWORKS ENCODE? paper Instance-wise Depth and Motion Learning from Monocular Videos pap
医療統計ビデオ講座(日本語) 臨床試験の統計関連コンセプト ランダム化 統計ソフトR インストールの仕方 エクセルデータをRに読み込む RでT検定 Rでオッズ比を計算 EZR 使い方ビデオ (無料統計ソフトEZRを使って生存率を新薬と既存薬で比べ、腫瘍サイズや年齢など交絡因子を補正する解析を、2x2分割表、ロジスティック解析、カプランマイヤー曲線、コックスを用いて解析してみましょう。) データセットダウンロード (上のEZR使い方ビデオで使ったデータセットがダウンロードできます) EZRのインストールの仕方 (EZRを他のRのパッケージと組み合わせてよりアドバンスな解析をしたい方はこちらの方法でEZRをセットアップしてください。) EZRを使って傾向スコアマッチング REDCap 紹介ビデオ 統計学(基本編) 平均と標準偏差、中央値と四分位区間 中心極限定理 統計グラフの解釈の仕方 P
AI Labの尾崎です。 主に人間とロボットとのインタラクションに関する技術開発を担当しております。 さて、インタラクションといえば、ARやVRを始めとしたxRが巷で流行っていると思います[1]。たとえば、家具のCGオブジェクトを現実空間に重ねて表示[2]したり、VRゴーグルをかぶって仮想空間の物体をリズムに合わせて斬るゲーム[3]なんかがあります。 このxRではユーザ体験を向上させるために、物体や人体との距離などを測定することがあります。たとえば、AR上でオブジェクトが障害物に隠れる現象(オクルージョン)を再現するため、VR空間上に手を表示するため、空間を3Dモデルとして保存するために測定されます。 このときに役立つハードウェアがデプスセンサやLiDARなどと呼ばれる3Dセンサ(俗称)[4]になります。しかし、この3Dセンサはたくさん種類があり、それぞれどのような特性を持つのか私を含め知
Audio Data Analysis Using Deep Learning with Python (Part 1) A brief introduction to audio data processing and genre classification using Neural Networks and python. Introduction While much of the literature and buzz on deep learning concerns computer vision and natural language processing(NLP), audio analysis — a field that includes automatic speech recognition(ASR), digital signal processing, an
Pythonで連続ウェーブレット変換を試みたことのまとめ。 背景 フーリエ変換について ウェーブレットについて ウェーブレット変換(単一の周波数解析) ウェーブレット変換(スペクトログラム表示) フーリエ変換とウェーブレット変換の比較 結論 背景 フーリエ変換について ある音声データについて、どういった周波数成分が含まれているのか?を調べる方法として、まず最初に思いつくのはフーリエ変換だと思う。 フーリエ変換をざっくり説明すると、音声データのある区間についていろんな周波数のサイン波との相関を計算していくことで、各周波数ごとの強弱を調べることができるというもの。ちなみに下図はサイン波、矩形波、ノコギリ波のスペクトルを求めたもの。左側が波形、右側が周波数スペクトルとよばれるもので、横軸を周波数、縦軸を振幅でプロットしたもの。 このようなフーリエ変換を応用したもので一般的なのは下図のようなグラフ
高等学校情報科に関する 特設ページ 2022年4月から、高等学校においても新しい学習指導要領がスタートしました。 このページでは、高等学校情報科の最新の情報を随時、お届けします。 新着情報 2024.02.01 【事務連絡】令和5年度高等学校等デジタル人材育成支援事業費補助金(高等学校DX加速化推進事業)の事業計画検討依頼について(依頼)を掲載しました。 2024.01.23 情報Ⅱ オンライン学習会を掲載します。(チラシへ移動)(PDF:6MB) 2024.01.17 【第4回】高等学校情報Ⅰ、情報Ⅱに関するオンライン研修会(令和6年2月5日開催)情報掲載しました。 2023.12.28 (通知)高等学校情報科に係る指導体制の一層の充実について(令和5年12月27日)を掲載しました。(PDF) 2023.09.29 高等学校情報科オンライン学習会のアーカイブ動画を追加しました。 20
Google Colaboratoryで試せる面白い機械学習プロジェクト6選投稿者: tsukurel 投稿日: 2020年6月10日2020年6月10日 Google Colaboratory(略称Colab)はご存じでしょうか。名前の通りGoogleによって提供されているサービスで、PythonをWebブラウザ上で実行できるJupyter Notebookを提供しています。さらにGPUが無料で実行できるとあって、機械学習系のプロジェクトでも利用されています(実用というより実験などで用いられています)。 今回はそんなGoogle Colaboratoryで実行できる面白いプロジェクトを幾つか紹介します。Open in Colabの画像をクリックすれば、それぞれのプロジェクトをすぐに試せます。 動画中の車認識 Google公式に提供されているプロジェクトです。道路を走っている車を認識し、車
本ページの作成日:2020/6/15 本ページの最終更新日:2020/6/26 hr.icon 学生用サポートページで、オンライン授業に関する意見を学生から募集しています。 以下は、寄せられた意見のうち、授業改善に繋がるような意見を、内容により以下のように分類したものです。 授業方法の工夫等について Zoomによる授業について 授業における質問について オンデマンド型授業について 音質について 通信環境について 休憩の必要性・目の疲れ等について オンライン授業のメリットについて 学生からの「生の声」をお届けするため、なるべく原文のまま掲載しています。「こんな工夫がよかった」から「このような点で困っている」まで、実際に受講した学生の視点からのさまざまな意見が寄せられています。ご担当の授業において、参考になる部分、取り入れられる部分もあるものと思いますので、ぜひご一読いただくようお願いいたしま
MESONというXRスタートアップを経営してきた中で、過去にXR/メタバース領域でいくつものサービスや体験を作ってきました。 そのなかで、XR/メタバース領域のサービスをデザインする上で重要な鉄則が見えてきたので、この記事では特に重要なXR/メタバースサービスデザインの7つの鉄則について、Gifなどで豊富に実例をお見せしながら解説していきたいと思います。 1. ユーザーの既存知識・経験に寄り添う一つ目の鉄則として、ユーザーの既存知識・経験に寄り添うことが非常に大事だと思っています。 大前提として、ユーザビリティを最大化するためには、ユーザー負荷を最小化することが必要です。 しかし、多くのユーザーにとって、XRやメタバースにおけるインターフェイスは操作の学習コストが非常に高く、結果としてユーザー負荷が高くなりがちです。 したがって、ユーザーがすでに持っている知識・経験からの予想によって理解し
まずはJMOOCにログイン JMOOCにログインするとお気に入りの講座をリストに登録して通知を受け取ったり、JMOOCのメールマガジンを受け取ることができます。 Google ID,Facebook ID共に所有していない場合、各プラットフォーム(gacco,Open Learning,Japan)にて個別に受講登録をして頂ければ受講できます。 ※すでに各プラットフォーム(gacco、OpenLearning,Japan)でアカウント登録している場合は、登録済みのものと同様のIDで登録いただくことで、将来的にシングルサインオンのシステム構築が完了した際に、共通IDによる受講情報の一元管理が可能になります。 現在FaceBookIDでのログインは、一時的ではございますが、ご利用になれません。
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
処理を実行中です
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