タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
オミータです。ツイッターで人工知能のことや他媒体で書いている記事など を紹介していますので、人工知能のことをもっと知りたい方などは気軽に@omiita_atiimoをフォローしてください！ 他にも次のような記事を書いていますので興味があればぜひ！ GANにもオーギュメンテーションは超有効だった！DAだけでSoTA達成した最新論文を解説！ 画像認識の定番データセットImageNetはもう終わりか パラメータ数10億！最新の巨大画像認識モデル「BiT」爆誕 & 解説 【基本編】画像認識に使用されるData Augmentationを一挙にまとめてみた！ 画像認識の最新SoTAモデル「Noisy Student」を徹底解説！ 画像生成分野で物凄い成果を出し続けているモデルとしてGenerative Adversarial Networks、通称GANがあります。GANは基本的に 「生成器」と「識
前の記事で、Stable Diffusionには「U-Net」と呼ばれる仕組みが使われると説明しました。 hoshikat.hatenablog.com 今回はそのU-Netについての概要です。 U-Netの構造 INパート MIDパート OUTパート スキップコネクション：データを遠くに渡す Stable Diffusion独自技術：テキスト取り込み 結局何をしているの？ まとめ U-Netの構造 「U」という名前の由来はその構造の形からです。まるでUの字に見えるから(下の図はゆがんだUですが)U-Netと名付けられました。 U-Net自体はStable Diffusionの発表よりも前からありましたが、Stable DiffusionがU-Netを改造して独自に実装しました。 下の図はStable Diffusionで使われているU-Netの構造です。 Stable Diffusion
概要Stable Diffusionでは、複数のモデルの重みをマージすると中間的な出力が得られることが知られています。 以下の比較結果が大変参考になります。 また（ざっくりとした私の理解では）Stable Diffusionは大きくText Encoder (CLIP)、Denoising Auto Encoder (U-Net)、Auto Encoderからなります。このうち、U-Netが画像をノイズから画像を生成する部分担当しています。 U-Netは広く使われているネットワーク構造で、構造がその名の通りU字型（V字型）をしています。 またU-Netに限らず一般的に、ニューラルネットワークでは浅い層が細かいディテール部分を認識し、深い層が全体の構造を認識するといわれています。 そこで、U-Netの深さに応じてマージ比率を変えてマージすると、単純にマージしたのとは異なる結果が出るのではない
ポイントサイト 『モッピー』～U-NET～
以前紹介したポイントサイト『モッピー』 このポイントサイトの中では、それぞれのサイト独自にさらにポイントアップなどの特集が組まれるようだ 今回紹介したいのが 「モッピー」の『U-NET』 なんだか、モッピーはこのU-NETに力を入れているのだろうか？ U-NEXT[31日間無料お試し] （U-NEXTポイント増量中） ということで、無料トライアル登録完了すると、２，０００Pがもらえるらしい！！ ポイント獲得条件はというと 【獲得条件】 無料トライアル登録完了 ※初めて「U-NEXT」に申込みされる方のみ対象 ※31日間無料トライアルへの登録を正常に完了された方のみ対象 【獲得対象外】 ※過去一度でもU-NEXTへの登録履歴がある方(電子書籍版や音楽チャンネル版等種類を問わず) ※不備・不正・虚偽・重複・いたずら・申込み後の即キャンセル ※本キャンペーンページ以外からのお申込み ※同一人物に
はじめにModel Block Merge は、従来とはまた違った良い結果を出し得るマージ手法として、一定の評価と期待を得ている。利用した成果も共有され始めており、美しい画像の数々は、日々日々、私の心を癒やし、ディスク領域を圧迫し続けている。（ありがたい事です。絵師様/術師様に感謝） （※この手法は、kohya_ss 様が下記の記事にて提示されたものです。） しかしながら、新しい手法であるために、望むような効果を出すための方法・勘所がはっきり分かっているとは言い難い。 一つには、パラメータが 25 個と多い事や、出力結果の評価方法・モデルの評価方法が確立していない事から検証が大変で、明確知にしにくいことがネックとなっている、と思う。 （※ここで「モデル」は checkpoint ファイルとほぼ同義で使用します） やってみることそこで、「検証方法を探すこと」「議論のネタになる程度の考察・憶測
![[実験レポ] Model Block Merge で、 U-Net の各レイヤーの影響を調べる #1｜bbcmc](https://cdn-ak-scissors.b.st-hatena.com/image/square/61f5e994cf1b9d3870546065813f93f9b638ade9/height=288;version=1;width=512/https%3A%2F%2Fassets.st-note.com%2Fproduction%2Fuploads%2Fimages%2F93960055%2Frectangle_large_type_2_0e16ed0e2b288d1ab93dbd822ca17a46.png%3Ffit%3Dbounds%26quality%3D85%26width%3D1280)
Stable DiffusionのU-Netでブロックごとに異なるプロンプトを与えて画像生成する（ブロック別プロンプト）｜Kohya S.｜note
はじめに※1/10追記：コメントでご指摘いただきましたが、キャプションが有効（CrossAttentionが存在する）なのはblock 1, 2, 4, 5, 7, 8, 12, 16 ~ 24です。他のblockのキャプションは無視されます。確認が足らず失礼いたしました。 ご指摘いただいたgcem156氏に感謝します。 U-Netの構造については以前の記事に書きました。 U-NetはText Encoderからの出力を受け取り、それに沿うように（プロンプトを再現するように）画像生成を行いますが、Text Encoderの出力はU-Netのブロックそれぞれに渡されます。つまり25個のブロックそれぞれで受け取っていることになります。 通常はそれぞれが同じプロンプトの情報（conditioning）を受け取りますが、別々にすることも可能ではないか、ということで試してみたのがこの記事になります。
「News2u.net」および「News2uリリース」サービス終了のお知らせ〜2020年６月末日をもって提供を終了します | minako's blog
ニュースリリースサービス「News2uリリース」およびリリースポータル「News2u.net」の提供を2020年6月末日で終了することをご連絡させていただきます。 2001年7月から20年という長い期間、多くの皆様にご利用いただきましたこと、心から御礼申しあげます。 ・「News2uリリース」サービス終了のお知らせ 1993年のカプスの起業に遡り、インターネットの黎明期の経験をもとに情報流通の新しい形を実現するという熱い思いでスタートしたNews2u。 31歳の私の熱い思いと無謀さ。そしてそれを許容してくれるような時代の空気。 何もかもが懐かしく思い出されます。 【創業期】 ・News2uという名前への想い（from minako’s blog 2008.08.22） ・News2u.netの歴史１〜サービス誕生(from minako’s blog 2005.05.13） ・News2u
U-netとは U-netはFCN(fully convolution network)の1つであり、画像のセグメンテーション（物体がどこにあるか）を推定するためのネットワークです。 生物医科学(biomedical）の画像のセグメンテーションを行うために2015年に発表されました。 （論文URL : https://arxiv.org/abs/1505.04597） この記事では、まずU-netの中で行われている処理についてを1〜4章でまとめ、それらの組み合わせであるU-netをまとめたいと思います。 目次 1.Semantic segmentation 2.fully convolution network(FCN) 3.deconvolution 4..skip-conection 5.U-netの仕組み 1.Semantic segmentation 画像のピクセルそれぞれをクラス
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
U-Netを識別器に！新たなGAN「U-NetGAN」を解説！ - Qiita
誰でもわかるStable Diffusion その4：U-Net - 人工知能と親しくなるブログ
Stable DiffusionのモデルをU-Netの深さに応じて比率を変えてマージする｜Kohya S.
![[みんなのケータイ]ダイソーのUSB 3.0/USB PD 100W対応USB Type-Cケーブルを試してみた](https://cdn-ak-scissors.b.st-hatena.com/image/square/227d48d9a391cf24dce8448515869dd7e581422c/height=288;version=1;width=512/https%3A%2F%2Fk-tai.watch.impress.co.jp%2Fimg%2Fktw%2Flist%2F1607%2F848%2F01.jpg)
[実験レポ] Model Block Merge で、 U-Net の各レイヤーの影響を調べる #1｜bbcmc
画像セグメンテーションのためのU-net概要紹介
news.yahoo.co.jp
zenn.dev/keisuke114
www.nikkei.com
x.com
newmoon13.hatenablog.jp
www.nikkei.com