GPT-4oをOCRとして使う - Re:ゼロから始めるML生活
OpenAIからChatGPT-4oが発表されましたが、皆さんガンガンつかっていますでしょうか？ さて、このChatGPT-4oですが、テキスト以外のデータも使用できるようになっているという特徴があります。 普通にテキストでのやり取りをしつつも画像データを扱えるということで、「実はこれいい感じのOCRとして使えるんじゃね？」って思っちゃったわけです。 ということで、今回はChatGPT-4oを使ってOCRを使うとどんなもんなのかやってみたいと思います。 やりたいこと やってみる とりあえずやってみる 請求書 名刺 参考文献 感想 やりたいこと 今回やりたいことはOCRです。早い話が画像ファイルを突っ込んでテキストを読み取りたいって感じです。 ただ、当たり前のようにOCRって言葉を使用していますがOCRって結構奥が深いです。 mediadrive.jp 単純に画像から文字を見つけて対応するテ
最低1枚の元写真があれば、高品質本人画像をすぐに生成できる「PhotoMaker」を試したらお手軽すぎた（CloseBox） | テクノエッジ TechnoEdge
人気連載『生成AIウィークリー』で取り上げている注目論文を見ると、そこに中国IT企業の名前が頻繁に登場します。 EC大手のアリババ（Alibaba）、ゲーム大手のテンセント（Tencent）、TikTokの運営元であるBytedanceなどが常に顔を出しており、画像・音声・アニメーションと、生成AIのあらゆる分野で中国に勢いがあることがわかります。 そんな中、テンセントがなかなか衝撃的な技術を発表しました。「PhotoMaker」という画像生成AIです。これでなければできない、というものではないのですが、「ファインチューニングの事前作成不要」「元画像が少なくても良い」のに、人物のアイデンティティを維持した画像を生成できるというメリットがあります。 これまでは既存の画像AIモデルに多数の写真を読み込ませて本人性を学習させたものから新たなAIモデルやその簡易版であるLoRAモデルを作ってきまし
ラスター画像をベクター変換するAIツール「Vectorizer.AI」が便利すぎた
デジタルプロダクション「factory4」でアプリやさまざまなIoTプロジェクトのUIUXデザインを手がける新谷友樹さんが、UIやUXにまつわるトピックについて解説する本連載。今回は「Vectorizer.AI」についてです。 こんにちは！株式会社Cosmowayが組織するデジタルプロダクション「factory4」のUIUXデザイナー新谷です。 今回は以前、AIを活用したロゴ作成に関する記事で少し触れた「Vectorizer.AI」について深掘りしていきたいと思います。 この一年でプロンプトを打ち込むチャット型AIツール「ChatGTP」や、画像生成系のAIツール「Midjourney」「Stable Diffusion」などさまざまなAIサービスが登場しています。そのなかでも「Vectorizer.AI」は、ほかとは少し違う角度のAIサービスではないでしょうか。簡単に言ってしまえば、JP
雑コラをAIでリアルにする！｜Katsushiro Koizumi
先日公開したアニメ絵の実写版を作る記事はおかげさまで好評でした！ アニメ絵生成の第二弾に行く前に、アニメ絵実写版生成でも威力を発揮する「雑コラ」をAIでリアルにする手法について今回は説明します。 実はAIアートグランプリの時も「雑コラ」と言われたりしていたのでしたw 渚の妖精ぎばさちゃん対キモノアゲハ／koizoom1／漫画@gibasachan 雑コラに見えるけど すごい技術 登場人物より多いモデル これはゆるキャラの未来きたな…#AIArtGp pic.twitter.com/5A4wMUJsND — Dr.(Shirai)Hakase #AI神絵師本 #技術書典14 (@o_ob) March 12, 2023 AIといえばラーメン(？)ですが、こんな画像も作れちゃいます！ラーメンの中にいる秘書さん！ ラーメンの中にいる秘書さん絵面としては結構インパクトがありますが、実は作るのは全然
「画像生成AI」驚きの実力と使い方、写真素材サイトもイラストレーターも不要に？
やなぎや・とものり/1972年12月生まれ。1998年からITライターとして活動しており、ガジェットからエンタープライズ向けのプロダクトまで幅広い領域で執筆する。2018年から、NPO法人デジタルリテラシー向上機構（DLIS）を設立し、ネット詐欺の被害をなくすために活動している。 https://prof.yanagiya.biz/ https://peraichi.com/landing_pages/view/dlis/ 仕事を256倍速くするツールを探せ！ ITの世界は日進月歩。一昔前ならとても無理だったことや、人間がやらなくてはならなかったことをどんどんコンピュータに任せられるようになっています。連載「仕事を256倍速くするツールを探せ！」では、最近出てきたサービスの中から、特にビジネスや勉強に役立つサービスやソフトウエア、ハードウエアをピックアップ。ライターが実際に使用し、使い方や
画像生成AI「Midjourney」でLINEスタンプを作ろう (1/3)
画像生成AIで好きなイラストを作るようになったら、ぜひやってみたいと思っていたのが今回取り上げるLINEスタンプの制作です。 そもそももっと以前からやってみたいと思ってはいたのですが、1枚、1枚絵を描いて、色を付けて、それをスタンプの形にして……と考えているうちに腰が重くなってチャレンジせずにいました。ですが、AIの力を借りれば、いとも簡単に制作できることが分かったので、今回は実際に私がスタンプを作って申請、公開に至るまでの過程をご紹介しましょう。 とはいっても、「Midjourney」を利用して作られたイラストは、現状、AIの学習素材の元となっているイラストや絵画データの取得先が開示されておらず、かなりグレーな状態になっています。本稿では、Midjourneyで生成したイラストをLINEスタンプの制作に利用しますが、あくまで個人利用を目的に制作していきたいと思います。 ※本記事は、5月3
【画像】淡々と初代プレストソフトの気に入ったジャケットを貼る : 哲学ニュースnwk
2023年01月30日21:00 【画像】淡々と初代プレストソフトの気に入ったジャケットを貼る Tweet 1: 以下、＼(^o^)／でVIPがお送りします 2016/06/22(水) 21:16:28.433 ID:GIDav5ma0 転載元：http://viper.2ch.sc/test/read.cgi/news4vip/1466597788/【画像】「ｺﾛｼﾃ…ﾓｳｺﾛｼﾃ…」に合う画像貼った奴が優勝 俺の屍を越えてゆけ ロッククライミング 未踏峰への挑戦 アルプス編 デザーテッドアイランド 漂流記 蒼天の白き神の座 Moon レアソフト若干多め 2: 以下、＼(^o^)／でVIPがお送りします 2016/06/22(水) 21:17:17.265 ID:CanHPvIo0 これは期待 3: 以下、＼(^o^)／でVIPがお送りします 2016/06/22(水) 21:18:34
お絵描きAIがどのように絵を描いてるのか解説してる人たち
ろぼいん@一般人 @keita_roboin @Larva06_com の技術開発部兼企画部リーダー（白土玲衣）のメインアカウント。RTめっちゃ多い。ブルアカ、動画編集とプログラミングが趣味。デザインはちょっとできる。サブ @orizin_project ブログ robot-inventor.github.io youtube.com/channel/UCJFnl… ろぼいん@VTuberではない @keita_roboin （見かけたから一応書いておくけど、AIは既存のイラストを切り貼りしているわけではない。内部の仕組みは違うけど、どちらかといえば人間がイラストを観察して学習するのに似てる） 2022-10-05 17:08:21 ろぼいん@VTuberではない @keita_roboin じゃあどういう仕組みかというと ・画像と、それにノイズを加えたものを用意する ・ノイズを加えた画像
好みの画像を生成できるAI「Stable Diffusion」をmacOS環境で超簡単に実行できる「Diffusion Bee」が登場したので使ってみた
入力した文章に沿った画像を生成してくれるAI「Stable Diffusion」は、手軽に精細なイラストや写真を出力できることから大きな注目を集めてます。Stable DiffusionはNVIDIA製GPUを搭載したPC向けに開発されているのですが、Intel製CPU搭載マシンやApple Silicon搭載Macで動作させる方法が次々と編み出されています。新たに、MetaでAIやVRについて研究しているDivam Gupta氏がApple Silicon搭載Macで動作するUI付きのStable Diffusion実行環境「Diffusion Bee」を公開していたので、実際にM1チップ搭載iMacにインストールして使ってみました。 GitHub - divamgupta/diffusionbee-stable-diffusion-ui: Diffusion Bee is the ea
Stable Diffusionでmorphing - すぎゃーんメモ
#stablediffusion 完全に理解した pic.twitter.com/IR5yjnL07Y— すぎゃーん💯 (@sugyan) August 31, 2022 ということで少し触って遊んでみたのでメモ。 Stable Diffusion をザックリ理解 先月公開された Stable Diffusion。 stability.ai 高精度で美しい画像を出力できる高性能なモデルながら、Google Colab などでも手軽に動かせるし、 Apple silicon でもそれなりに動かせる、というのが魅力だ。 中身については 以下の記事の "How does Stable Diffusion work?" 以降のところが分かりやすい。 huggingface.co 図をそのまま引用させていただくと という仕組みになっていて、受け取る入力は "User Prompt" と "Late
世界変革の前夜は思ったより静か｜深津 貴之 (fladdict)
世界のルールが根本的に変わってしまう… そういう展開は、マンガや映画ではよく起こる。それが現実でも起きそうだ。 あと数日（から数週間）で「トップレベルの画像生成AI」が、世界中にフリーで配布される。 イラスト、マンガはおろか3D CGや建築、動画、映像…果てはフェイクニュースからポルノまで…あらゆる創作に携わる全ての人を巻き込む、歴史的な転換点が訪れようとしている。 凄さ的には、悪魔の実がメルカリで買えるようになる。念能力トレーニング動画がYoutubeにアップされる。それぐらいヤバい。 メルカリで悪魔の実が買える世界では、誰もが能力者（一流とは限らない）になれる。そんな、漫画やゲームのラスボスが語るようなユートピアが、あと数日で現実になってしまうかもしれない。 Stable Diffusionで出力したドワーフの王様Stable Diffusionで出力したホビットのスタディ Stabl
midjourneyでSuzuriにTシャツを作っていく雑感 - ミネムラ珈琲ブログ
日曜日から唐突に始めたAI画像生成のmidjourneyで理想のTシャツを作る活動。けっこうハマっている。 www.minemura-coffee.com 初日の時点では、「あんましっくりこんなぁ」だったのだが、色んな意味でペースが掴めてきた。週末までやり込んでまとめ買いしようと思う。 詠唱スタイル いつ作っているか Suzuriのアイテム選び どうやってフレーズを増やすか 詠唱スタイル 日本語記事でもよくpromptの方法論として解決されているのは、長々とスタイルやディティールを記述する方法が多いように思う。 ぼくのTシャツ作成においては、あまりこれはやっていない。どちらかというと、不意に思いついた荒唐無稽なワードの組み合わせを短文で突っ込んでいる。 凄くシンプルな例でいうと"udon explosion"や"funky cats ska band" udon explosion fun
君には今から3時間で機械学習Webアプリを作ってもらうよ
新人: 「本日データサイエンス部に配属になりました森本です！」 先輩: 「お、君が新人の森本さんか。僕が上司の馬庄だ。よろしく！」 新人: 「よろしくお願いします！」 先輩: 「さっそくだけど、練習として簡単なアプリを作ってみようか」 先輩: 「森本くんは Python なら書けるかな？」 新人: 「はい！大学の研究で Python 書いてました！PyTorch でモデル作成もできます！」 先輩: 「ほう、流石だね」 新人: 😊 先輩: 「じゃ、君には今から 3 時間で機械学習 Web アプリを作ってもらうよ」 先輩: 「題材はそうだなぁ、写真に写ってる顔を絵文字で隠すアプリにしよう」 先輩: 「あ、デプロイは不要。ローカルで動けばいいからね。顔認識と画像処理でいけるよね？」 新人: 😐 新人: (えぇぇぇぇぇぇぇ。3 時間？厳しすぎる...) 新人: (まずモデルどうしよう。てかもら
CSSとjQueryで縦横比を判別して画像表示サイズを最適化する方法
本記事の内容 CSSとjQueryを使った画像の縦横比を判別して画像サイズを最適化する方法 今や当たり前になったレスポンシブデザイン。 レスポンシブデザインを導入する上で、画像サイズの最適化が一つポイントとして挙げられます。 画像サイズ最適化サンプルCSS @media screen and (max-width:768px) { img{ width: 100%; height: auto; } } 上記のCSSはレスポンシブデザインにおける<img>タグのサイズの最適化の例です。 画面幅が768px以下の時は<img>タグに対して、横幅にだけwidth:100%;を指定してスマホやタブレットの画面いっぱいに広げて、高さはheight:auto;で自動的に最適化させます。 しかし、この方法だと画像のサイズが横幅に依存する形になり、縦の比率が高い画像は、スマホやタブレットで見たときにかなり
pictureタグとsrcset属性の違い。超わかりやすく
例えば、スマホ端末に対して1920×1080の画像を表示するのはムダです。 もっと小さいサイズでいいですからね。 逆にデスクトップPCだと画面が大きいので、1920×1080の画像を表示しても良いですよね。 このように デスクトップPC →1024×682の画像を表示する ノートパソコンPC →640×426の画像を表示する スマホ →400×266の画像を表示する という風に、大きさの異なる画像を出し分けたいときに使うのがsrcset属性です。 srcset属性のデモページ（ソース） ※後述していますが、ChromeやSafariの場合はスーパーリロードしないと画像が切り替わりません 例えば、以下のように書くと <img srcset="small.png 400w, medium.png 640w, large.png 1024w" src="large.png" /> imgタグは、
ビートたけしの落書きが異次元過ぎる件!!!! （画像あり） ２ｃｈみんなのまとめ
画像 ※バイク事故で入院中に書かれたもの すごすぎてすごいのかわからん すげえ ただの新聞の切りぬきじゃねーか つまんね 5 え？ 発想が常人ではないな 5枚目間違えた こっち 中学生の下ネタを昇華させるとここまでとんでもない物になるのか 頭の中どうなってんだ トレスにしろ文字が上手い アナル詰めくそわろた ここまでストレートだとわらけてくる この字好きだわ 妄想も極めればなんとやら ぶっちゃけ凄いと思う バトル・ロワイアルのクラスの絵もたけし作だっけ 綺麗な線やな お笑い、俳優、映画監督、絵… もしかしてこの人天才か？ 27 世間では30年前から「天才」と呼ばれ続けてる 正直滑舌悪い老害だと思ってたけど天才だった 多才に天才はいない ちょうどオウム事件の頃だったのね。 くだらんこと糞丁寧に書いてあってワロタ さすがに内容以外はトレースだと思うがそれでもすごいな すごすぎぃ！
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
https://twitter.com/clcoding/status/1578192383144910848
画像生成AIはまだ不完全？「相撲」を描かせようとしたら尻から塩を噴いてしまった...
DALL·E 2
https://twitter.com/jagarikin/status/1477324109046779904
