図解Stable Diffusion
ジェイ・アラマールのブログより。 AIによる画像生成は、(私を含めて)人々の度肝をぬく最新のAIの能力です。テキストの説明から印象的なビジュアルを作り出す能力は、魔法のような品質を持ち、人間がアートを創造する方法の変化を明確に指し示しています。Stable Diffusionのリリースは、高性能(画質だけでなく、速度や比較的低いリソース/メモリ要件という意味での性能)なモデルを一般の人々に提供することになったのは、この開発における明確なマイルストーンです。 AI画像生成を試してみて、その仕組みが気になり始めた方も多いのではないでしょうか。 ここでは、Stable Diffusionの仕組みについて優しく紹介します。 Stable Diffusionは、様々な使い方ができる汎用性の高いものです。まず、テキストのみからの画像生成(text2img)に焦点を当てます。上の画像は、テキスト入力と生
技術ようつべチャンネル集 - Qiita
役立つYouTubeのチャンネルまとめ 数学、物理、アルゴリズム、プログラミング、などなど自分が使う技術に役立ちそうだな、困ったときによく見たなと思うチャンネルを紹介する。 取っ掛かり、ハマりがち、コツみたいな物が拾える。数学がメイン。随時更新していくつもり。 当たり前だけどちゃんと本も読んで勉強するんだぞ。 背景 YouTubeは視聴する登録チャンネルの数が増えると、チャンネルが埋もれて発掘困難になりがち (chrome拡張でできるチャンネルのフォルダ分け機能は、ぽちぽち登録するのも面倒で、そのフォルダの中から掘り出すのも難しい) モチベが上がる(おべんつよしたい)チャンネルを探してるうちに湧いてくる、わんにゃんコンテンツ(だいちゅき)に流され一日が終わるため、 モチベが上がる有用なチャンネルにすぐにたどり着くために、よく使うQiitaに列挙しておくことにした Streamや大学専用サイ
ディープラーニングの力で誰でもゆかりさんの声になれる声変換技術を作ってみた
「誰でも」「高品質に」ゆかりさんの声になれる声変換技術を作りました。また一歩、結月ゆかりになるという夢に近づけた気がします。～Q&A～Q. 生放送で使える？A. 現状だと声変換に数十秒かかるので難しいです。生放送用途だとリアルタイムYukarinがおすすめです。sm35735482Q. ゆかりねっととの違いは？A. テキスト以外の情報も利用するので、笑ったり怒ったりできます。Q. 公開予定は？A. 声変換システムの配布予定はありませんが、技術解説はブログにて公開しています。また、声変換にご興味ありましたら、ツイッターなどでご連絡いただけるととても嬉しいです。-----------------------------------・ツイッターhttps://twitter.com/hiho_karuta・技術解説ブログhttps://blog.hiroshiba.jp/everybod
GPT-3の衝撃 - ディープラーニングブログ
この1週間はGPT-3のユースケースの広さに驚かされる毎日でした． シリコンバレーでは話題騒然ですが日本ではほとんど話題になっていないので，勢いで書くことにしました． GPT-3はOpenAIが開発した言語生成モデルです．名前の由来であるGenerative Pretrained Transformerの通り，自然言語処理で広く使われるTransformerモデルを言語生成タスクで事前学習しています． 先月申請すれば誰でもGPT-3を利用できるOpenAI APIが発表され，様々な業種の開発者によって驚くべきデモンストレーションがいくつも公開されています． 特に話し言葉からJSXやReactのコードを生成するデモは著名なベンチャーキャピタルから注目を集め，誇大広告気味だと警鐘を鳴らす事態に発展しています． This is mind blowing. With GPT-3, I built
Distill — Latest articles about machine learning
Understanding Convolutions on Graphs Ameya Daigavane, Balaraman Ravindran, and Gaurav Aggarwal Understanding the building blocks and design choices of graph neural networks. A Gentle Introduction to Graph Neural Networks Benjamin Sanchez-Lengeling, Emily Reif, Adam Pearce, and Alexander B. Wiltschko What components are needed for building learning algorithms that leverage the structure and propert
Cloud AutoML Vision が本当にノンプログラミングで使えるのか試してみた
2018年9月にサンフランシスコで開催されたGoogle Cloud Next ’18において、「Cloud AutoML Vision」のBETAリリースが発表されました。 Cloud AutoML Visionは、機械学習に関する高度な知識を持たずとも独自の画像認識モデルを作れるサービスとなっており、AIの民主化を掲げるGoogle Cloudを象徴するサービスとして注目が高まっています。 本当に高度な機械学習知識を持たずとも画像認識モデルが作れるのか、全くプログラミングができない私が実際にCloud AutoML Visionを使ってモデルを作ってみました。 1.AutoML Visionは簡単に独自の画像認識モデルが作れるサービス Google Cloudの画像認識サービスとして「Vision API」というサービスが既に提供をされています。Vision APIは簡単に画像認識技術
教師無し学習で物体の動きを追跡する人工知能を学習させる
１．教師無し学習で物体の動きを追跡する人工知能を学習させるまとめ・動画の色を利用して動画内の物体の動きを追跡する学習法をGoogleが公開 ・白黒化した動画を再カラー化させる作業を行わせる事で同時に物体追跡もできるようになった ・ラベル付き動画や教師役が不要なためスケーラブルな学習も将来的に可能に ２．色を追跡させる事で人工知能は物体の動きも追跡できるようになった動画内の物体を追跡する事はコンピューターヴィジョン研究での根本的な課題であり、動きの検出や物体の相互作用、動画の演出効果などを扱うアプリケーションにとって不可欠な要素です。 しかしながら、機械に視覚的に物体を追跡するように教えるのはチャレンジングな課題です。学習には大量の説明ラベル付き動画が必要であり、大規模に学習をさせるのは現実的には困難です。 論文「Tracking Emerges by Colorizing Videos」で
ディープラーニングによる映像解析で車両をトラッキングするのに苦労した - Qiita
サマリー ・交通量調査をディープラーニングで自動処理するにはトラッキング技術が必要 ・サンプルムービーの解説：https://youtu.be/cKdESkOEWPQ ・カルマンフィルタとは ・カルマンフィルタを映像解析に応用するのに苦労した点 要するに大型車両に隠れてしまった車両が再度表示する際、ちゃんとトラッキングして重複カウントしないようにしようね、というお話です。サンプルムービーをぜひご覧ください。自慢したいポイントが3つのほどあるので、これから解説します。 交通量調査をディープラーニングで自動処理するにはトラッキング技術が必要 交通量調査というのは、12時間も交差点近くとかに張り付いて人の手でやるのが普通でした。しかしディープラーニングの技術が進化しているので、「YOLO V3とか使えば、映像から車両のカウントくらいすぐに出来るんじゃない？」とか甘く考えて始めてしまったプロジェク
SSDで物体を追跡することが可能か - Qiita
本記事はSSD物体検出と物体追跡の実行例を用いて両者の違いについて解説します。SSDは物体検出としてよく利用されるアルゴリズムですが、場合によって、物体追跡アルゴリズムとして流用することも可能。本記事はSSD検出と、SSD検出+追跡とで、両方サンプル動画を作成し、両者の違いについて考察してみます。 *本記事はこちらの記事を和訳したものです。 Introduction SSD物体検出は過去の記事で取り上げましたが、基本的にSSDは入力された動画に対してフレーム単位で検出を行い、フレームごとのBoundingBoxが取得できます。Nフレームが経過した後、N個のBoundingBoxが得られるはずなので、BoundBoxを解析すれば、物体の動きとしてTrajectoryを取得できます。Trajectoryがあると、これまで物体の動きはもちろん、未来の動きもある程度予測することができます。 物体追
DeepLearningで上司を認識して画面を隠す - Qiita
背景 仕事をしているとき、業務に関係ない情報を閲覧していることって誰でもありますよね？ そんなときに背後にボスが忍び寄っていると気まずい思いをします。もちろん急いで画面を切り替えれば良いのですが、そういう動作は逆に怪しまれることになりますし、集中しているときは気がつかないこともあります。そこで怪しまれずに画面を切り替えるために、ボスが近づいてきたことを自動的に認識して画面を隠すシステムを作ってみました。 具体的にはKerasを用いてボスの顔を機械学習し、カメラを用いて近づいてきたことを認識して画面を切り替えています。 ミッション ミッションはボスが近づいてきたら自動的に画面を切り替えることです。 状況は以下のような感じです。 ボスの席から私の席まではだいたい6,7mくらいです。ボスが席をたってから、4,5秒で私の席に到達します。したがって、この間に画面を隠す必要があるわけです。時間的余裕は
【OpenCVを使ったスポーツ画像解析6】深層学習（ディープラーニング）を用いてテニス選手をトラッキング | DataTennis.NET
深層学習（ディープラーニング）を使ってみました 【OpenCVを使ったスポーツ画像解析5】画像からテニス選手の位置を検出するでは、選手の初期位置を検出するために、HOG特徴量とSVM(サポートベクターマシン）を組み合わせた手法を用いました。 今度は流行りの深層学習（ディープラーニング）を用いて選手の動きをトラッキングしてました。 トラッキングした動画は↓になります。（動画素材は、shutterstockで購入した動画を用いています） 手前側の選手：「playerdown」 奥側の選手：「playerup」 と検出しています。 奥側の選手は、画像サイズに対して小さいからか、検出できていない時間帯も多いです。 これは小さい選手の学習データを増やせば解決できる問題かと思っています。 それでは、どうやって学習データをつくったか、モデルに学習させたか。 簡単ですが、概要を↓に書いてみました。 SSD
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
Ethos - ARM - WikiChip
Google はどうやって Deep Learning でメモリ使用量を 99% 削減したか。
Give your product an Edge
第1回 Jetsonユーザー勉強会 AIoTをお手軽に試した話
NVIDIAの「Jetson Nano開発者キット」が店頭入荷、価格は12,800円電源アダプタ付きのスターターキットもあり
Managing datasets | AutoML Video Intelligence | Google Cloud
Product – Cross Compass Ltd.
Wantedly（ウォンテッドリー）はたらくを面白くするビジネスSNS
Wantedly（ウォンテッドリー）はたらくを面白くするビジネスSNS