タグ

2021年3月16日のブックマーク (9件)

  • Facebook、公開動画でAIに自己学習させるプロジェクトを開始

    Facebookは、同サイトにアップロードされた公開動画から、人工知能AI)に音声、テキストおよび視覚による表現を自動的に学習させるプロジェクト「Learning from Videos」を開始すると発表した。Facebookによると、このプロジェクトは将来、コンテンツの推薦やポリシーの適用などに利用する同社の中核的なAIシステムを改良する助けになるほか、新たな用途も可能にするという。 「ほぼすべての国と数百言語にわたり世界中で続々と公開されている動画から学習することで、当社のAIシステムは精度を向上させるだけでなく、変化の激しい世界に適応し、文化や地域によって異なるニュアンスやビジュアルキュー(視覚的な手がかり)を認識するようになる。また、AI研究者がラベル付けされたデータへの依存から脱却できるよう支援することにより、われわれはAIを活用する製品を改良して、まったく新しい体験を生み出せ

    Facebook、公開動画でAIに自己学習させるプロジェクトを開始
    misshiki
    misshiki 2021/03/16
    “Facebookは、同サイトにアップロードされた公開動画から、人工知能(AI)に音声、テキストおよび視覚による表現を自動的に学習させるプロジェクト「Learning from Videos」を開始すると発表”
  • CGへの扉 Vol.24:自然現象もすべて人工知能で再現する時代 | モリカトロンAIラボ

    misshiki
    misshiki 2021/03/16
    “学習データとしてネット上のデータを大量に集めたり、あらかじめ用意された機械学習用のデータセットを用いるのではなく、目的に応じてシミュレーションした結果を学習データとして用い、次の計算の時に役立てる”
  • 不正対策に判定ルールと機械学習を融合させる! 〜 コマースでの不正決済検知システム事例

    不正判定特有の課題 また、ルールと機械学習の適用を比較検討する上で不正判定特有の課題というものも考慮する必要があります。 1つ目の課題は、偽陽性判定(False Positive)を抑える必要があるということです。通常の決済を誤って不正と判断することで、ユーザーに迷惑をかけてしまうことは極力避けなければなりません。 2つ目は、高い説明性が求められるということです。なぜ不正と判断したのか、ある程度理解し自分たちが今どういう特徴の決済を不正あるいは正常と判断しているのかを把握しておく必要があります。 3つ目は、すべての判定を機械学習モデルに任せることは難しく、ビジネスのドメインルールに基づいたルールベースの判定が必要不可欠であるということです。利用規約違反や過去の不正履歴との照合などがそうしたルールに該当します。 ルールと機械学習を融合させる! ここまで見てきたルールと機械学習の特性をチャート

    不正対策に判定ルールと機械学習を融合させる! 〜 コマースでの不正決済検知システム事例
    misshiki
    misshiki 2021/03/16
    “ルールと機械学習それぞれの特長を生かした検知システムを構築している事例”
  • YolactEdgeで、高速に画像から物体を検出し、形を推定する

    1.はじめに 以前、「画像から物体を検知し、形を推定するタスク」を行うMask R-CNNをご紹介しました。今回は、エッジでのリアルタイム処理向けの、処理が高速なYolactEdge をご紹介します。 *この論文は、2020年12月に提出されました。 2.YolactEdgeとは? まず、YolactEdgeのベースであるYolactのフロー図を示します。 まず、Feature Backbone(CNNネットワーク)で画像から Feature Pyramid(特徴量をまとめたピラミッド)を抽出します。そして、Protonet で画像全体の全てのマスクを生成し、Prediction Head+NMSで各マスクの信頼度を求め、この2つを結合します。その後、Crop+Threshholdを行い出力を得ます。マスク生成と信頼度計算を並行して動かすのが高速化の秘密です。 このプロセスを改良し、さらな

    misshiki
    misshiki 2021/03/16
    “エッジでのリアルタイム処理向けの、処理が高速なYolactEdge をご紹介”
  • 初心者向けTellus学習コース

    初心者向けTellus学習コース 教材は2020年度に提供した教材のため、Tellusの画面やAPIが現在の仕様と異なっている部分がありますのでご注意ください。 2018年度にリリースした衛星データをクラウド上で分析できる日発の衛星データプラットフォーム「Tellus」は、2019年度にTellusをより多くの方にご活用いただけるようeラーニング講座を応募者への抽選登録制で提供してまいりましたが、2020年3月から、プログラミングと機械学習の基礎が学習できる「Tellus Trainer」と「初心者向け Tellus 学習コース」の2つのeラーニング講座を公開制限なしで提供することとなりました。 教材「Tellus初心者向け学習コース」では、Python初心者向け教材となる基礎編と、Pythonで学ぶ実践的な衛星データ解析となる地理空間情報解析編(応用編)に分かれます。 基礎編では、

  • プログラミングの基礎が学べるTellusオンライン講座に新たな教材を追加 | さくらインターネット

    プログラミングの基礎が学べるTellusオンライン講座に新たな教材を追加 〜Pythonを用いたOpenCV基礎と衛星データ解析が無料で学習可能〜 インターネットインフラサービスを提供するさくらインターネット株式会社(社:大阪大阪市、代表取締役社長:田中 邦裕)が経済産業省事業として開発・運用する衛星データプラットフォーム「Tellus(テルース)」は、プログラミングの基礎が学べるオンライン講座「初心者向け Tellus学習コース」において、Pythonを用いて学ぶOpenCV基礎と衛星データ解析に関する新たな教材を追加し、無料提供します。 「Tellus」では2019年から、より多くの方に「Tellus」をご活用いただけるよう学習支援の一環として、プログラミングの基礎が学べるeラーニング講座「初心者向けTellus 学習コース」を期間限定・抽選登録制で無料提供を始めました。2020年

    プログラミングの基礎が学べるTellusオンライン講座に新たな教材を追加 | さくらインターネット
    misshiki
    misshiki 2021/03/16
    無料で受講できる“「初心者向けTellus学習コース”に「Lesson8:OpenCVの基礎」と「Pythonを用いた衛星データ解析(Lesson 9~13)」が追加。
  • ディープフェイクで合成された顔を見分ける鍵は「目の輝き」

    AI技術を用いて架空の画像や映像を合成するディープフェイクは、人の目には真偽を見分けることが非常に難しい段階まで発展しており、実在しない人物の顔写真を簡単に作成できることからSNSなどでも大きな問題となっています。そんなディープフェイクの顔写真を、瞳に映った光の反射から見抜く技術を、ニューヨーク州立大学バッファロー校の研究チームが開発しました。 EXPOSING GAN-GENERATED FACES USING INCONSISTENT CORNEAL SPECULAR HIGHLIGHTS (PDFファイル)https://arxiv.org/pdf/2009.11924.pdf New AI tool detects Deepfakes by analyzing light reflections in the eyes https://thenextweb.com/neural/2

    ディープフェイクで合成された顔を見分ける鍵は「目の輝き」
    misshiki
    misshiki 2021/03/16
    “ディープフェイクの顔写真を、瞳に映った光の反射から見抜く技術を、ニューヨーク州立大学バッファロー校の研究チームが開発”
  • 赤ちゃんの顔をAIで予測 両親の顔写真をアップロードするだけで

    画像素材サイトを運営するACワークスは3月15日、両親の顔写真から赤ちゃんの顔をAIで予測するサービス「赤ちゃんAC」を公開した。無料で利用できる。 2人の顔写真を同サイトへアップロードすると、2人から生まれる赤ちゃんの顔画像をAIで合成する。合成画像は無料でダウンロード可能で、アップロードした顔写真も24時間で完全に消去するとしている。 赤ちゃんの顔画像の合成には、2人の顔を組み合わせて高解像な合成画像を作るディープラーニング技術の一つである、米NVIDIAの「StyleGAN」を利用しているという。親の顔の特徴抽出には「pixel2Style2pixel」というStyleGAN向けの計算手法を使うことで、通常は1分ほどかかるエンコード処理を数秒にまで短縮したとしている。 関連記事 “実在しないリアルな顔”を自在に編集できる「StyleRig」 StyleGANで生成した顔の向き、表情、

    赤ちゃんの顔をAIで予測 両親の顔写真をアップロードするだけで
    misshiki
    misshiki 2021/03/16
    事例“「StyleGAN」を利用しているという。親の顔の特徴抽出には「pixel2Style2pixel」というStyleGAN向けの計算手法を使うことで、通常は1分ほどかかるエンコード処理を数秒にまで短縮”
  • Pythonの音楽情報処理ライブラリmusic21の紹介 - Qiita

    始めに music21はMITが作ったpython音楽情報処理ライブラリです。 musicology(音響学・音楽理論)の研究への利用を目的に作られたそうで、 結構いろいろできるらしいので、勉強がてら触ってみました。 難しいアルゴリズム等の話はほとんどしないので、プログラマでない方も出力結果だけ見て「こんなことができるんだ」と思ってもらえるような記事になればいいな、と思っています。 ちなみに、21というのはMITでの音楽コースに割り当てられた講義番号に由来するそうです。留学したい。 基的に公式のドキュメントを順に追ってくだけです。ここの内容を実行しながら感想を書く、という記事です。 環境 macOS(10.15.7) python3.8.5 jupyter-notebook Musescore version-3.4.2.25137 Musescoreというのはフリーの楽譜作成ソフトで

    Pythonの音楽情報処理ライブラリmusic21の紹介 - Qiita
    misshiki
    misshiki 2021/03/16
    “music21はMITが作ったpythonの音楽情報処理ライブラリ”