基本機能と良いところメインのインターフェースはこちらざっくりですがメインのインターフェースはこんな感じです。 イラストを描くという目的だけに限れば、少し触るだけで簡単に理解できるインターフェースです。 さらにiPadらしくタッチジェスチャーも豊富に用意されており、二本指で画面をタップすれば操作をひとつ取り消し、三本指で下にスワイプすればコピーやペーストのメニューを表示することができます。 「Quickline」で直線も引きやすいQuicklineは線を描画して終点でペンを止めると始点と結ぶ直線を引ける機能です。モバイルのお絵描きソフトではキーボード(shiftを押しながら引くと直線になるといった機能も含め)が使えないので、直線の引き方は大きな問題です。 ペンを止めてから直線になるまでのタイムラグは0.1秒から1.5秒の間で設定できます。直線を多用する場合は0.2秒くらいにすればスッスッスッ
(注意:長いです。お時間のある時にどうぞ。) 私は「情報技術が私達の社会にどのような影響を与えるか」という問題に興味を持っています。ここでは、最近進歩が著しい深層学習が、科学の営みにどのように影響を与えるかを考えてみたいと思います。「高次元科学」とでも呼ぶべき新しい方法論が現れつつあるのではないか、と思うのです。 1.深層学習と科学 そもそも、この考えに行き着いた背景には、私が統計数理研究所で過ごした5年間がありました。統計数理研究所は大学共同利用機関として、自然科学の様々な研究を推進するための統計的手法を研究しています。ご存知の通り、統計的仮説検定や統計モデリングは、現代の科学における重要な道具立ての一部です。そのような道具立てが、科学の方法論の長い歴史の中でなぜそのような地位を占めるようになってきたか、に興味を持つようになったのです。 きっかけは、情報技術が科学の方法論をどのように変え
nendo : whispers of nature 何気ない「自然のささやき」たちから着想した展覧会 Milan Design Week 塀の家 視線を調整するブロック塀に囲まれた家 THE PERFECT 3WAY GLASS 3つの飲み口で味わいが変わるビール専用グラス サッポロビール株式会社 drift ハコが水面に浮かんだような収納家具 Glas Italia Tokyo2020 聖火台 太陽の生命力と、「循環」に見る日本的美意識を表した聖火台 HANDS 「手」を1本の線で表現したブランディング計画 HANDS GLOO 「貼る」ことのストレスを解決した接着用品ブランド KOKUYO SUMUFUMU TERRACE 多様なコミュニケーションを可能にする、渦巻き状のサッシ 積水ハウス 展覧会「NENDO SEES KYOTO」 GACHA GACHA COFFEE ガチャガチャ
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
取材では必ずと言っていいほど「HADOができた経緯を教えて下さい」っていう質問が飛んできます。 でもいくつもの質問の一つなのでいつも軽めに答えてます。 でも、今回はその回答をがっつりと書きます。 その回答って企画者にとっては結構面白いと思うし、気付きもあると思います。 なので、ゲームプランナーを目指してる人とかやってる人に是非読んでもらいたいです。 例によって『HADO』って何?って人はこちらから。 始まりは「かめはめ波を撃ちたい」取材時には大体これを答えてます。 うちの代表が昔から「かめはめ波」を撃ちたいという強い想いを持っていて、今の技術を使えば同じような体験ができるのではないか、という着想のもと開発をスタートしました。 と、こんな感じです。 これは嘘偽りなく本当で、代表はかめはめ波を撃つために起業しています。 meleapができてから約半年後、まだかめはめ波のプロトタイプもできていな
We’ve created MuseNet, a deep neural network that can generate 4-minute musical compositions with 10 different instruments, and can combine styles from country to Mozart to the Beatles. MuseNet was not explicitly programmed with our understanding of music, but instead discovered patterns of harmony, rhythm, and style by learning to predict the next token in hundreds of thousands of MIDI files. Mus
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