You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Facebook Reality Labs、VRハンドトラッキングをリアルタイムに実行するCNNを用いたマーカベースの光学式モーションキャプチャシステムを発表 2018-08-10 Facebook Reality Labsの研究者らは、VR内のハンドトラッキングをリアルタイムに実行するCNN(convolutional neural network)を用いたマーカベースの光学式モーションキャプチャシステムを発表しました。 論文:Online Optical Marker-based Hand Tracking with Deep Labels 著者:Shangchen Han, Beibei Liu, Robert Wang, Yuting Ye, Christopher D. Twigg, Kenrick Kin 本システムは、キャプチャデータをラベリングするためにCNNを用いて推定し
WaveNetを使ったAutoencoderで音楽のドメイン間の変換を可能に! – A Universal Music Translation Network 交響曲、ピアノ曲、コーラス、口笛などの異なる「ドメイン」の間で、音楽を自在に変換するという野心的な研究. 音楽を変換するといってもMIDIなどのシンボルレベルでのスタイルの変換ではなく、音の波形そのものを扱っています。 ベースになっているのはNSynthの論文の中で提案されているWaveNetをつかったAutoencoderです(NSynthについてはこのサイトでも取り上げたことがあります). Encoderは全ドメインで共通、Decoderは各ドメインごとに用意しています (ひとつのdecoderをドメインごとに条件付け(conditioning)する方法だとうまくいかなかったそうです)。Decoderには、NVIDIAが提供する
はじめに NIPS2017から、J. Wang らの Gated Recurrent Convolutional Neural Network for OCR をまとめてみた。 NIPS2017の論文ページはこちら。 http://papers.nips.cc/paper/6637-gated-recurrent-convolution-neural-network-for-ocr 著者らのコードはこちら。 https://github.com/Jianfeng1991/GRCNN-for-OCR 概要 OCRタスクのモデル RCNN(recurrent convolutional neural network)に gate を加えた GRCNN(Gated RCNN)を用いた この gate はRCL(recurrent convolution layer)における context mo
NVIDIA Reveals Next-Gen Turing GPU Architecture: NVIDIA Doubles-Down on Ray Tracing, GDDR6, & More Moments ago at NVIDIA’s SIGGRAPH 2018 keynote presentation, company CEO Jensen Huang formally unveiled the company’s much awaited (and much rumored) Turing GPU architecture. The next generation of NVIDIA’s GPU designs, Turing will be incorporating a number of new features and is rolling out this year
Before you get into the details of our interview process, take some time to learn about Amazon. Get to know our business teams and meet a few Amazonians. We use our Leadership Principles every day. They are crucial to discussing ideas for new projects and to deciding the best ways to solve problems. They're just one of the things that makes us peculiar. All candidates are evaluated based on these
Sadly, I must say goodbye to Leaf (my programming language) This is hard to write, or rather, it’s a hard decision to make. After investing many years on Leaf — a programming language, a major life project — I need to take a break from it. It’s no longer fulfilling my goals, and it’s not as fun as it once was. It’s interfering with my other career priorities. Leaf has become part of my identity, a
Facebook AI Research による論文「Deep Clustering for Unsupervised Learning of Visual Features」の解説資料 https://arxiv.org/abs/1807.05520
~ ニューラルネットを利用して、あなた個人の行動について、あなたよりも詳しく学習する方法 ~ SNSのインスピレーションの最たるものは、人間の脳だと言われています。 ニューラルネットで使用されている、データを収集しそれを別のものに応用するという作業は、人間の脳のニューロンが何かを学ぶ際に実際に行っていることです。 科学的な視点から言うと、ニューラルネットはそれほど大きなニュースではありません。 私は以前、既に観測されたデータ群から汚染されているデータを予測するためにニューラルネットを使用しました。 更に、ニューラルネットをスマートフォンの音声認識の精度を高めるために活用しました。 この分野の新しい技術的な挑戦は、我々の人格をデジタル化し、それを取りまとめて販売可能な状態に落とし込むことです。 好きなバンドに関することをSNSに投稿したり、アップロードしたりするような行為は、通常10代を終え
AWS Deep Learning AMIs now come pre-installed with Open Neural Network Exchange (ONNX), an open source format for neural network computational graph supported by popular deep learning frameworks, including Apache MXNet, TensorFlow, PyTorch, Chainer, and Cognitive Toolkit (CNTK). ONNX gives developers the flexibility to migrate between frameworks. For example, developers can use PyTorch for prototy
日本OpenStackユーザ会のOpenStack Days Tokyo 2018実行委員会は、2018年8月2日~3日、年次カンファレンス「OpenStack Days Tokyo 2018」をベルサール東京日本橋で開催する。今年はOpenStackの枠を越えて、様々なクラウドプラットフォームを横断するオープンフレームワークやミドルウェアに注目する「Cloud Native Days」を併催する。 日本のユーザ会から発祥しグローバルイベントに成長したOpenStack Daysは、今回で6回目の国内開催になる。今回のテーマは「Toward Cloud Native」。OpenStack Days Tokyo実行委員長の長谷川章博氏は、「クラウドでVMを動かすだけではなく、クラウドを“よりクラウドらしく”使うためには何が必要なのかについては、まだ議論がしつくされてない」と説明。今回は、クラ
(Icon Credit *1) こんにちは。スタートトゥデイ研究所の後藤です。 今回は、集合を入力として扱うネットワークモデルの紹介をしたいと思います。機械学習の多くのモデルは、固定長の入出力や順序のある可変長の入出力を扱うように設計されます。画像データやテーブルデータは各サンプルの入出力の次元を合わせて学習しますし、自然言語処理のコーパスや時系列データは入出力の順序を保持して利用します。 その一方で、可変長で順序のない集合データを扱うモデルの研究は最近になって取り組み始められたばかりです。我々が研究しているファッションの領域において、入力データを集合として扱いたくなる状況がたびたびあるため、理解を深めておきたい問題設定です。 コーディネートをアイテムの集合とみなす コーディネートに使われたアイテムの例 コーディネートをアイテムの組み合わせとして捉えた場合、1つのコーディネートはアイテム
セントルイス・ワシントン大学やAdobeら、1枚の画像から平面深度マップをピース単位で再構築する機械学習を用いた手法を発表 2018-07-27 セントルイス・ワシントン大学、Adobe Research、Argo AI、サイモンフレーザー大学の研究者らは、屋内シーンにおける1枚の画像からピース単位の平面深度マップを再構築する「PlaneNet」を発表しました。 論文:PlaneNet: Piece-wise Planar Reconstruction from a Single RGB Image 著者:Chen Liu, Jimei Yang, Duygu Ceylan, Ersin Yumer, Yasutaka Furukawa GitHub:art-programmer/PlaneNet (左から順に、入力画像、ピース単位の平面セグメンテーション、再構成した深度マップ、テクスチャ
Intelさんがまた褒めてくれたヽ(゚∀゚)ノ イエァ RaspberryPi3でMobileNet-SSD(MobileNetSSD)物体検出とRealSense測距(640x480) 再生フレームレート25FPS以上 + 予測レート12FPSを達成したよPythonRaspberryPiRealSenseMovidiusMobileNetSSD MobileNet-SSD-RealSense I wrote an English translation at the end of the article 画像サイズが大きいため、Wi-Fi環境下での閲覧を推奨 ◆ 前回記事 デプスカメラRealSenseD435で "紫色のイカ" や "オレンジ色の玉ねぎ" を切り取ったり "金髪の人" を追っかけて距離を測る(1) with Ubuntu16.04 デプスカメラRealSenseD43
Sometimes technology enhances art. Sometimes it vandalizes it. Colorizing black and white films is an ancient idea dating back to 1902. For decades many movie creators opposed the idea of colorizing their black-and-white movies and considered it vandalism of their art. Today it is accepted as an enhancement to the art form. The technology itself has moved from painstaking hand colorization to toda
直感的かつ短いコードでアイデアを形にできるKerasはTensorFlowのラッパーとして大人気のライブラリです。本書でもTensorFlowをバックエンドとして使用し、自然言語処理、画像識別、画像生成、音声合成、テキスト生成、強化学習、AIゲームプレイなどさまざまなモデルをPythonとKerasで実装します。対象読者は、各種のディープラーニングを素早く実装したいプログラマー、データサイエンティスト。ディープラーニングを支える技術の速習にも好適です。数式はなるべく使わずにコードと図で説明します。ニューラルネットワークおよびPython 3の基本を理解している人であれば誰でも始めることができます。 目次 訳者まえがき まえがき 1章 ニューラルネットワークの基礎 1.1 パーセプトロン 1.1.1 最初のKerasのコードの例 1.2 多層パーセプトロン:最初のネットワークの例 1.2.1
VTA: An Open, Customizable Deep Learning Acceleration Stack Jul 12, 2018 Thierry Moreau(VTA architect), Tianqi Chen(TVM stack), Ziheng Jiang†(graph compilation), Luis Vega(cloud deployment) Advisors: Luis Ceze, Carlos Guestrin, Arvind Krishnamurthy Paul G. Allen School of Computer Science & Engineering, University of Washington Hardware acceleration is an enabler for ubiquitous and efficient deep
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