Disney Research等、音声データからそれに合わせた顔面アニメーションを生成するDeep Learningアプローチを論文にて公開
Disney Research等、音声データからそれに合わせた顔面アニメーションを生成するDeep Learningアプローチを論文にて公開 2017-08-17 Disney Research、イングランド：イースト・アングリア大学、カリフォルニア工科大学、カーネギーメロン大学の研究者たちは、音声データからそれに合わせたフェイシャル・アニメーションを自動的に生成する機械学習アプローチを論文にて公開しました。 A Deep Learning Approach for Generalized Speech Animation（PDF） 本アプローチは、Deep Learningで訓練されたシステムを使用して、任意の単一スピーカーからの音声を分析、対応する口形を自動的に生成、自動音声アニメーションの顔モデルに適用することができます。 音声データから口元のアニメーションに変換し、キャラクターの顔
人工知能のトップ研究者が語る、AI人材が100万人必要な理由
AI人材の不足が指摘される中、今年3月までバイドゥで人工知能の研究をリードしていたアンドリュー・エンが、深層学習のオンライン学習コースを立ち上げた。エンは、何百万人もの人々が深層学習を習得する必要があると語る。 by Will Knight2017.08.14 73 22 4 1 世界的に著名な人工知能（AI）の専門家であるアンドリュー・エンが、あらゆる業界で活躍する何百万人ものAI専門家を育成する取り組みを始めた。オンライン学習サイトのパイオニアであるコーセラ（Coursera）に新しい深層学習コースを開設し、強力なアイデアを持つ人々を育てるという。 AI専門家は、今日のテック業界において、最も引く手あまたで高給取りの職種の一つとなっいている。深層学習では、大量のデータと大規模な擬似ニューラル・ネットワークを使って、複雑なタスクを実行するように機械を訓練しなければならない。その手法を習得
Recent Trends in Deep Learning Based Natural Language Processing
Deep learning methods employ multiple processing layers to learn hierarchical representations of data and have produced state-of-the-art results in many domains. Recently, a variety of model designs and methods have blossomed in the context of natural language processing (NLP). In this paper, we review significant deep learning related models and methods that have been employed for numerous NLP ta
Six years later, Coursera’s Andrew Ng returns with new Deep Learning courses
By Dhawal Shah On August 15 2011, Stanford professor Andrew Ng uploaded an intro video to YouTube for his free online Machine Learning course. On that same day, The New York Times featured his course (along with two other Stanford courses). The popularity of his Machine Learning course would lead him and Daphne Koller (another Stanford professor) to launch Coursera a few months later. Exactly six
これさえ読めばすぐに理解できる強化学習の導入と実践
強化学習の位置づけ 教師あり学習 教師なし学習 強化学習 強化学習の応用事例 Atariの攻略 AlphaGo ロボットの自動動作獲得 ファイナンスへの応用 広告配信の最適化 OpenAI Gymを使ってQ-learningを実装してみる 状態 行動 報酬 実装 参考文献 ディープラーニングなどの機械学習技術の進歩によって、過去のデータから学習する技術は大きく進化し、写真の中に写っている対象を認識することや病気の診断、多言語間の翻訳をする性能を著しく向上させることができました。 すでにその性能は専門的な教育を受けた人間の能力と同等 [1] か超えている分野もあるほどです。 一方で、人間にはデータを与えなくとも自ら経験から学び、スキルを上達させることができます。特に何も教えられなくとも、経験からゲームを攻略することやロボットの正しい動作の仕方を学んでいくことができます。 機械学習の中でも、こ
Rock Paper Scissors | TensorFire
Play Rock Paper Scissors against your computer! We're running neural networks running entirely in your browser to recognize your plays and keep score. Unfortunately, your browser doesn't support accessing your webcam. Try loading this page in a modern version of Firefox or Google Chrome. Play Rock Paper Scissors against your computer! Unfortunately, your browser doesn't support accessing your webc
【資料公開】「ディープラーニングで進化するAIと次世代インフラ＆プラットフォーム」で登壇しました - DMM.comラボエンジニアブログ
2017 - 08 - 10 【資料公開】「ディープラーニングで進化するAIと次世代インフラ＆プラットフォーム」で登壇しました 16新卒 資料公開 DMMlabotech Tweet Share on Tumblr こんにちは！ DMM.comラボ ビッグデータ部の中野です。 7月31日に開催されたIDCフロンティア様主催の ディープラーニングで進化するAIと次世代インフラ＆プラットフォーム に ビッグデータ部の中野と領家で登壇してきました。 資料の公開も含めて簡単に報告させていただければと思います！ ▷ 今回のイベントに関するIDCフロンティア様のテックブログはこちら！ イベントの概要 「ディープラーニングにGPUを活用した事例・ソリューションを共有する」という主旨で、AI・ディープラーニングの利用や開発、インフラに関わる方向けに開催されたイベントです。 今回私たちは『 DMM.com
Part 2: Deep Learning from the Foundations | fast.ai course v3
Welcome to Part 2: Deep Learning from the Foundations, which shows how to build a state of the art deep learning model from scratch. It takes you all the way from the foundations of implementing matrix multiplication and back-propagation, through to high performance mixed-precision training, to the latest neural network architectures and learning techniques, and everything in between. It covers ma
Andrew Ng’s Next Project Takes Aim at the Deep Learning Skills Gap
Andrew Ng is a soft-spoken AI researcher whose online postings talk loudly. A March blog post in which the Stanford professor announced he was leaving Chinese search engine Baidu temporarily wiped more than a billion dollars off the company’s value. A June tweet about a new Ng website, Deeplearning.ai, triggered a wave of industry and media speculation about his next project. Today that speculatio
人間と同程度の適応能力を持ったAI「汎用人工知能」とは？～General AI Challengeで汎用人工知能を作ろう
人間と同程度の適応能力を持ったAI「汎用人工知能」とは？～General AI Challengeで汎用人工知能を作ろう NextremerのAI研究開発エンジニアが解説する三歩先のテクノロジー 第1回 ここ数年で人工知能（AI）という言葉は身近になりましたが、汎用人工知能（AGI）という言葉は聞き慣れない方も多いのではないでしょうか。汎用人工知能とは、実はその意味さえも完全には定まっていないのですが、「人間に近い適応能力をもった人工知能」と考えられます。特定の製品やアルゴリズムが存在するわけではなく、さまざまなところで完成までの道のりが議論されている段階の人工知能です。しかし最近では、環境の整備が進み、一般のエンジニアでも最先端の開発に参加できる仕組みが整いつつあります。そこで、本記事では汎用人工知能の開発への参加方法として、世界規模のコンペティションであるGeneral AI Chal
トピックモデルで単語の分散表現 - 理論編 - scouty AI LAB
こんにちは。代表の島田です。 最近はDeepLearningがホットなキーワードになっていますが、トピックモデルという自然言語処理における手法も、少し前に注目を集めました。聞いたことはあるけど何なのかわからない、という方のために、今回はトピックモデルに関して説明します。 Pythonなどの言語ではライブラリが利用できますが、トピックモデルなどの原理を知っておくことでパラメータチューニングが思いのままにできるようになります。 LDAやトピックモデルについては最新の技術！というわけではないので他にも解説記事があると思いますが、今回は「流行りの単語がとりあえず何なのか知る」ということを目的に、前半は機械学習エンジニアではない方にもわかりやすく解説しようと思います。 モチベーション 単語をベクトルで表したい！ 自然言語データを使ったレコメンドエンジンの構築やテキストの分類などで、単語をクラスタリン
Deep Learning in OpenCV
Deep Learning is the most popular and the fastest growing area in Computer Vision nowadays. Since OpenCV 3.1 there is DNN module in the library that implements forward pass (inferencing) with deep networks, pre-trained using some popular deep learning frameworks, such as Caffe. In OpenCV 3.3 the module has been promoted from opencv_contrib repository to the main repository (https://github.com/open
3DCGで構築のリアルタイムに動くVR内デジタルヒューマン「MEETMIKE」がSIGGRAPH 2017に登場。約44万のポリゴン/3種のDeep learning使用
3DCGで構築のリアルタイムに動くVR内デジタルヒューマン「MEETMIKE」がSIGGRAPH 2017に登場。約44万のポリゴン/3種のDeep learning使用 2017-08-03 米ロサンゼルスで開催するSIGGRAPH 2017 VR Villageにて、「MEETMIKE」と呼ぶUnreal Engineで制作されたリアルタイムで動作するVR内CGアバターが披露されました。 CGで制作されたアバターは、Nvidia GTX 1080 Ti、RAM 32GBの1台のパソコンから90fpsでリアルタイム・レンダリングされます。 VRヘッドセットには、HTC Viveが用いられており、顔の追跡にはVive Trackerを装備したフェイシャル・トラッキング用カメラリグが使用されます。 カメラリグを装着しているのは、シドニー大学のMike Seymour氏。彼を予めスキャンしリア
Deep Learning and Reinforcement Learning Summer School 2017 - Mila
Deep Learning and Reinforcement Learning Summer School 2017 DLSS: June 26th - July 1st, 2017 & RLSS: July 3rd - 5th, 2017
MNISTを認識するニューラルネットワークの画像化 - Qiita
ニューラルネットワークによる手書き数字認識について、各ノードへの元画像の影響を視覚化します。 アルゴリズム 【注】適当に思い付いたアルゴリズムです。どの程度正確に影響度が測れるかは未検証です。 比較の基準としてピクセルがすべて0のソースで各ノードの値を計算します。 評価対象とする画像を用意します。1ピクセルだけソースに入れて各ノードの値を計算して、すべて0のときと値を比較します。これをすべてのピクセルに対して行ったものを、ノードごとに特定のピクセルが与える影響とします。 これを画像化することで、視覚的に影響を見ることができます。 準備 『ゼロから作るDeep Learning』のサンプルを使います。 https://github.com/oreilly-japan/deep-learning-from-scratch 初回実行時にMNIST（手書き数字のデータ）をダウンロードするようになっ
TensorFire
TensorFire is a framework for running neural networks in the browser, accelerated by WebGL. Applications powered by TensorFire can utilize deep learning in almost any modern web browser with no setup or installation. TensorFire models run up to 100x faster than previous in-browser neural network libraries, at speeds comparable to highly-optimized native CPU code. TensorFire has two parts: a low-le
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
TechCrunch | Startup and Technology News
GitHub - knjcode/mxnet-finetuner: An all-in-one Deep Learning toolkit for image classification to fine-tuning pretrained models using MXNet.
Deep Learning
Loading...
