東京大学、動画に含まれる画像や音からニューラルネットワークを用いて適切な触覚情報を推定するモデル「VibVid」を論文にて発表
東京大学、動画に含まれる画像や音からニューラルネットワークを用いて適切な触覚情報を推定するモデル「VibVid」を論文にて発表 2017-12-27 東京大学 篠田・牧野研究室の研究者らは、動画に含まれる画像や音から機械学習を用いて適切な触覚情報を推定し視聴者に提供するモデル「VibVid」を論文にて発表しました。 VibVid: VIBration Estimation from VIDeo by using Neural Network （左図：テニスの画像、音、加速度を記録するためのデバイスを装着した様子。右図：手に触覚が得られるラケットを持ち体験する実験中の被験者。） 本稿では、画像フレームと音データを含むビデオから適切な加速度を推定し、視聴者に正確な振動触覚を与える事でより質の高い視聴体験を提供するニューラルネットワークモデルを提案します。 一例として、テニスの一人称視点ビデオか
Recurrent Pixel Embedding for Instance Grouping
We introduce a differentiable, end-to-end trainable framework for solving pixel-level grouping problems such as instance segmentation consisting of two novel components. First, we regress pixels into a hyper-spherical embedding space so that pixels from the same group have high cosine similarity while those from different groups have similarity below a specified margin. We analyze the choice of em
マシンビジョンの進化をGoogleの中の人が語る
オライリー開催のAI Conferenceシリーズの第3弾として、Googleのマシンビジョンのセッションを紹介する。これは「A visual and intuitive understanding of deep learning」と題されたセッションで、登壇したのはOtavio Good氏だ。Good氏は、2010年に発表されたWord Lensの開発者として知られる著名なエンジニアだ。 Word Lensは、スマートフォンのカメラで文字列を撮影するだけでリアルタイムに翻訳を行えるアプリケーションで、AR（Augmented Reality）としても優れている。その後、Word Lensを開発したQuest Visualは2014年にGoogleに買収された。Good氏は現在、GoogleでGoogle Translateの開発に従事している。 参考：Word Lensの紹介ビデオ。こ
Battle of the Deep Learning frameworks — Part I: 2017, even more frameworks and interfaces
The deep learning landscape is constantly changing. Theano was the first widely adopted deep learning framework, created and maintained by MILA— headed by Yoshua Bengio, one of the pioneers of deep learning. However, things have changed. In September of this year MILA announced that there will be no further development work on Theano in 2018 after releasing the latest version. The news didn’t come
GitHub - plaidml/plaidml: PlaidML is a framework for making deep learning work everywhere.
First off, we’d like to thank you for choosing PlaidML. Whether you’re a new user or a multi-year veteran, we greatly appreciate you for the time you’ve spent tinkering around with our source code, sending us feedback, and improving our codebase. PlaidML would truly not be the same without you. The feedback we have received from our users indicates an ever-increasing need for performance, programm
ファーウェイ、AIでバイドゥと戦略的提携
華為技術（ファーウェイ）は、オープンなモバイル人工知能（AI）エコシステムを構築するための戦略的提携を、中国検索エンジン大手の百度（バイドゥ）と締結したことを発表した。 ファーウェイによると、この戦略的提携には、AIのプラットフォームと技術、インターネットサービス、コンテンツエコシステムが含まれるという。 このオープンエコシステムは、ファーウェイの「HiAI」プラットフォームとNeural Network Processing Unit（NPU）、バイドゥのディープラーニングフレームワーク「PaddlePaddle」、バイドゥのAIサービスおよびアセットを含む「Baidu Brain」を使用して構築され、AI開発者がこうした技術を活用できるようにするものとなる。 この提携の下で、バイドゥとファーウェイは、スマートデバイス上の音声および画像認識の改良にも取り組み、民生用拡張現実（AR）ソフト
Learning to Extract Semantic Structure from Documents Using Multimodal Fully Convolutional Neural Network
We present an end-to-end, multimodal, fully convolutional network for extracting semantic structures from document images. We consider document semantic structure extraction as a pixel-wise segmentation task, and propose a unified model that classifies pixels based not only on their visual appearance, as in the traditional page segmentation task, but also on the content of underlying text. Moreove
NIMA: Neural Image Assessment
Automatically learned quality assessment for images has recently become a hot topic due to its usefulness in a wide variety of applications such as evaluating image capture pipelines, storage techniques and sharing media. Despite the subjective nature of this problem, most existing methods only predict the mean opinion score provided by datasets such as AVA [1] and TID2013 [2]. Our approach differ
Hyperparameters Optimization in Deep Convolutional Neural Network / Bayesian Approach with Gaussian Process Prior
Convolutional Neural Network is known as ConvNet have been extensively used in many complex machine learning tasks. However, hyperparameters optimization is one of a crucial step in developing ConvNet architectures, since the accuracy and performance are reliant on the hyperparameters. This multilayered architecture parameterized by a set of hyperparameters such as the number of convolutional laye
【Deep Learning】骨格検出システム『VisionPose』を開発中
『VisionPose』とは、AI（人工知能）を使用した、人間の骨格を検出するシステムです。 WEBカメラのみで人間の骨格を検出することが可能なため、 手軽に様々な開発に利用できそうですね。 また、VisionPoseでは１回の処理で複数人まとめて骨格の検出が可能なため、人が増えても処理時間が一定です。 そのため類似製品よりも複数人の骨格検出が長けていることが特徴となっています。 また、今後の展望といたしましては、深度対応をしてSDKとしての提供を予定しております。 Kinectの販売中止もあり、今後さらに期待が高まる分野になるのではないでしょうか？ ※VisionPoseでは、OpenPoseのアルゴリズムは使用しておりません。 ■ブログ 【現在開発中】Kinectを使わない！WEBカメラとDeepLearningを使った骨格検出システム『VisionPose』とは？ htt
Udemy「Pythonで機械学習：scikit-learnで学ぶ識別入門」はAI学習の決定版 : 新規事業のつくり方
ここ数年間、AI開発の良質な学習コンテンツが増えました。 インターネットに、良質な解説記事が増えました。特にディープラーニングの解説記事周辺は、これでもかというくらい分かりやすく解説されています。 書籍では、松尾先生の「人工知能は人間を超えるか」を皮切りに、「python 機械学習プログラミング」と「ゼロから作るDeep Learning」が出版され、CONNPASS周辺で多くの勉強会が開催されました。 また、事前知識ゼロでも機械学習を学べる「pythonではじめる機械学習」が出版され、機械学習のハードルが大きく下がりました。これらの良質な書籍は、機械学習ブームの影の立役者でしょう。 そしてまた、機械学習を学ぶ上で最高の教材が発表されました。Udemyの「Pythonで機械学習：scikit-learnで学ぶ識別入門」です。 AIエンジニアが教えるゼロから機械学習の勉強法 機械学習の集合研
大野峻典 on Twitter: "何かヤバそうなものが出ていますね... 単一の画像から人の3D復元するモデルの提案. 復元した3Dモデルに対して, 敵対的に訓練するDiscriminatorを用意し, real/fakeを判断しながら学習することで, 2D⇢3D… https://t.co/MU3tli2txj"
何かヤバそうなものが出ていますね... 単一の画像から人の3D復元するモデルの提案. 復元した3Dモデルに対して, 敵対的に訓練するDiscriminatorを用意し, real/fakeを判断しながら学習することで, 2D⇢3D… https://t.co/MU3tli2txj
AIで強化されたハイエンドスマホ 「HUAWEI Mate 10 Pro」のカメラを試す！ (1/3)
国内のSIMフリースマホ市場をリードする、ファーウェイの魅力的な製品を詳しく紹介している「ファーウェイ通信」。今回は話題のハイエンドモデル「HUAWEI Mate 10 Pro」のカメラ性能を詳しく見ていく。あわせて、同時発表されたSIMフリースマホ「HUAWEI Mate 10 lite」についても紹介する。 ハイエンドSIMフリー機「HUAWEI Mate 10 Pro」 CPUにディスプレー、バッテリーと、スペックはすべて最強クラス ファーウェイの最新ハイエンドSIMフリースマホ「HUAWEI Mate 10 Pro」が今月初頭に発売された。発売直後に量販店で品薄になるなど人気を集めている。同機の注目機能のうち、今回はさらに進化したLeicaダブルレンズカメラを中心にレビューしていくが、まず最初にスペックとデザインについてあらためて紹介しておこう。 スペック面で必ず注目すべき部分は、
Chainerの実験に対してログを可視化したり外部制御するExtension＆WebアプリをPFNで作った - Qiita
PFNで製品開発を担当している三好です。 Chainer Advent Calender 2017の20日目の記事をお送りいたします。 この度、Chainer上の実験中の学習ログの可視化や実験管理機能を追加するパッケージ、ChainerUIを公開しました。 Chainerの可視化・実験管理を支援するChainerUIを公開 - Preferred Research We have released ChainerUI, a training visualizer and manager for Chainer - Preferred Research English 学習用TrainerのLogReport extensionを用いたスクリプトをお持ちであれば、すぐにloss/accuracyのリアルタイム監視が可能になります。 これが何かを言葉で説明するよりスクリーンショットを見ていただ
[サーベイ論文] 畳み込みニューラルネットワークの研究動向
17 Dec 2017 国内会議 [サーベイ論文] 畳み込みニューラルネットワークの研究動向 Author 内田祐介, 山下隆義 Publication パターン認識・メディア理解研究会, 2017 Download: PDF (Japanese) 2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降， 画像認識においては畳み込みニューラルネットワーク(CNN)を用いることがデファクトスタンダードとなった. ILSVRCでは毎年のように新たなCNNのモデルが提案され， 一貫して認識精度の向上に寄与してきた. CNNは画像分類だけではなく， セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている. 本稿では，AlexNet以降の代表的なCNNの変遷を振り返るとともに， 近年提案されてい
![[サーベイ論文] 畳み込みニューラルネットワークの研究動向](https://cdn-ak-scissors.b.st-hatena.com/image/square/c73fa4686045c57a8cee3363e082ee4347103a5f/height=288;version=1;width=512/http%3A%2F%2Fvision.cs.chubu.ac.jp%2Fwp%2Fwp-content%2Fthemes%2Fflab%2Fimg%2FOGP.png)
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
http://www.vision.cs.chubu.ac.jp/MPRG/F_group/F172_kamiya2016.pdf
matrices.io
物理サーバを選定する際のポイント – Eureka Engineering – Medium
GitHub - ybayle/awesome-deep-learning-music: List of articles related to deep learning applied to music
Deep Learning (日本語翻訳版）公開 | Deep Learning JP
