aptpodでは複数のカメラをフレーム単位で同期させて映像を取得できるカメラデバイスの開発を行なっています。前日の記事では、このカメラデバイスのエンコードを担当するSoCの話でしたが、aptpod Advent Calendar 2019 13日目の今回は映像のフロントエンドに使用しているFPGAについての話題です。 カメラデバイスを開発する上で、FPGAでイメージセンサから取得した画像データをリサイズする機能を実装する必要が出てきたのですが、RTL設計経験のない私でも流行りの高位合成でサクッと実装できた話をまとめます。 前日に続き塩出が担当します。 話の流れ まずは高位合成の説明 高位合成での実装手順 アルゴリズムのC++ソース記述方法 C++でのテストベンチ記述方法 シミュレーション結果の確認 まとめ 高位合成とは？ 高位合成の詳しい話は色々記事が出ておりますので、そちらを参照してくだ
DeNA 的 GKE 運用 ~ Pod 集約率編 ~ [DeNA インフラ SRE] | BLOG - DeNA Engineering
はじめに こんにちは。インフラエンジニアの松浦です。 IT 基盤部に所属し、全世界向けのゲームタイトルのインフラ運用を担当しています。 先日あるプロジェクトで Google Kubernetes Engine (以降 GKE) でインフラを構築することになり、そこで GKE のコスト削減のために、 ノード 数削減すなわち Pod 集約率の向上 (1台のノードで出来るだけ多くの Pod を動かす) に取り組みました。 今回はそこで行ったことをご紹介します。 概要 今回のプロジェクトでは、 Kubernetes (以降 K8s) の Horizontal Pod Autoscaler 使用してアプリケーション Pod をオートスケールさせます。 このため、スケールアウト・スケールイン後 (Pod の増減により クラスタオートスケーラー (以降 CA) がノードを増減させた後) でも、Pod 集
![DeNA 的 GKE 運用 ~ Pod 集約率編 ~ [DeNA インフラ SRE] | BLOG - DeNA Engineering](https://cdn-ak-scissors.b.st-hatena.com/image/square/1252489982a7fafcf1805c0cb00d4c02b4ee5b92/height=288;version=1;width=512/https%3A%2F%2Fengineering.dena.com%2Fblog%2F2023%2F06%2Fgke-optimization%2Fcover.png)
When the window is not fully open, your TCP stack is doing more than you think
When the window is not fully open, your TCP stack is doing more than you think2022-07-26 This post is also available in 简体中文 and 繁體中文. Over the years I've been lurking around the Linux kernel and have investigated the TCP code many times. But when recently we were working on Optimizing TCP for high WAN throughput while preserving low latency, I realized I have gaps in my knowledge about how Linux
『ブレードランナー ファイナル・カット』IMAX2週間限定公開 Blade Runner: The Final Cut © 2007 Warner Bros. Entertainment Inc. All rights reserved. ジェフ・ミルズ（Jeff Mills）は、SF映画の金字塔『ブレードランナー』のサウンドトラックを再構築した作品をリリースするようです。詳細は明らかにされていませんが、作曲・プロデュースをジェフ・ミルズが手掛けた『The Universe By Night presents Blade Runner soundtrack』という作品が、ジェフ・ミルズのレーベルAxis Recordsのオフィシャル・サイトで6月19日にリリースされる予定です。 映画『ブレードランナー』のオリジナル版の音楽を手掛けたのはヴァンゲリスです。
世論を背にするイスラエル、「ハマスと心中するつもりはない」ヒズボラ――エスカレーションとジレンマの危うい構図：曽我太一 | 記事 | 新潮社 Foresight(フォーサイト) | 会員制国際情報サイト
ネタニヤフ政権にとっては、イスラエル北部から避難している6万人以上の住民を帰還させるためにも、ヒズボラをレバノン南部のリタニ川の北まで押し戻すことが最大の課題となった。世論も6割以上が攻撃強化を支持しており、民間人を巻き込むポケベル爆破作戦などで事態をエスカレートさせているのはイスラエル側だ。一方のヒズボラは、報復しなければその存在意義が問われるというジレンマに陥っている。 イスラエルとレバノンのイスラム教シーア派組織ヒズボラとの間の緊張が高まり続けている。双方の交戦は2023年10月8日以来続いているが、直近のエスカレーションのレベルを引き上げたのは、イスラエルであると言える。 きっかけは、レバノンの首都ベイルートなどで9月中旬に起きた通信機器の連続爆発だ。17日、ベイルート南部などでヒズボラのメンバーが持っていたとされるポケベルが多数爆発。8歳の女の子など含めて少なくとも12人が死亡し
- はじめに - Rustでグラフを描画したいと思った時に調べたクレートとその実装、機能のまとめた時のメモ。 現状はplottersを使っておけば間違いなさそうだが、目的によっては機能で選択する場合もありそう。 - はじめに - - 前提知識 - - グラフ描画クレートざっくりまとめ - plotters plotly plotlib poloto rustplotlib RustGnuplot preexplorer vega_lite_4.rs dataplotlib chord_rs - アスキーアート系のクレート - - 記事外で参考になりそうな記事 - - おわりに - - 前提知識 - グラフの描画までの機能としては、matplotlibのようにaxisやviewを構造体として持っているライブラリもあれば、受け取った配列をそのままgnuplotのスクリプトに変換するライブラリも
Why Rust is the Future of Game Development | thefuntastic
Rust, not related to the video game also called Rust, is a promising systems programming language with novel features ideally suited for game development. Exposure and awareness within the game developer community, however, remains limited. In this post, I provide a gentle introduction to Rust and attempt to justify its place on your radar. A Short History LessonWhat is Rust, and where did it com
旧県議会議事堂の内装を活かした 茨城県立図書館内の星乃珈琲店 | AXIS Web | デザインの視点で、人間の可能性や創造性を伝えるメディア
茨城県水戸市に2021年7月、星乃珈琲店 茨城県立図書館店がオープンした。茨城県立図書館は、2001年に県庁移転に合わせて旧茨城県議会議事堂の改修を経て開館したもので、エントランスを入ると正面階段を中心にシンメトリーな空間が広がり、階段を上がると旧本議会場へと続く建造物である。 店舗デザインは、天井高さ15mの1階ロビーの開放性や歴史ある左右対称な空間特性を活かしながら、星乃珈琲店の上質で温かみのあるカフェ空間を融合して設計。内装設計は、日本レストランシステムの宮島忠、Nowhere-Designsの鈴木弦、ambosの石井一東によるデザインチームが担当した。 新たな図書館の顔となるロビーは、シックなトーンで統一しながら、壁3面にブロンズミラーを用いることで空間に広がりをもたせた。さらに、アーチ形状の高さ4mの書棚と上部のミラーの連続性により、県立図書館としての威厳をより一層高めている。
理想のスカート表現を求めて｜ろじっく
Clothコンポーネントで実装したVRChatアバター向けのスカートをときどきほめてもらえて嬉しいのでちょっとした解説を書きました。全体的にアバター改変そこそこわかる人向けです。ある程度慣れてないと再現できないかも。 ※ 本記事で言及している変更は筆者が勝手に加えたものです。Clothコンポーネントへの置き換えなど本記事の内容に関する質問は元モデルの作者様ではなく筆者 (ろじっく) にお問い合わせください。 やったことinugoyaさんのアンティークワンピースのスカート部分の揺れ表現をClothコンポーネントを用いたものに置き換えました。 椅子に座っているときの挙動床に座っているときの挙動スカートを掴んだ時の挙動前提知識エスニヤさんのCloth解説記事、特にConstraints関連の部分を先に読んでおくことをおすすめします。それと、Avatars 3.0 だったりPhysBoneだったり
Text2Landscape: Visualize a Text in Multiple Spaces with R — Force-directed networks, Biofabric, Word Embeddings, Principal Component Analysis and Self-Organizing Maps
First Visualizations: Frequencies Let us first visualize word frequencies. We can get these frequencies with the quanteda package, which implies transforming the column of lemmas (text.lemmas$lemma) into a quanteda tokens object, then to a document-feature matrix. Doing so, we only retain significant parts of phrases (nous, proper nouns, verbs and adjectives). This only partially spares us the tas
AIサービスの開発現場－PoCに求められるものは？ 現在、産業や社会へのAI技術の利活用に注目が集まり、多くの企業がAIを用いた新サービスの開発に取り組んでいます。 新しいサービスを開発する際には「目的が実現できそうか」を検証するPoC（概念実証）が行われることが一般的です。PoCにおいて検証対象とする内容は目的やスコープによってさまざまですが、システム化を前提とした開発現場でのPoCでは「サービス的にどこまで実現できるか（サービス観点）」「性能的にどこまで実現できるか（技術観点）」を、プロトタイプを作成して検証・評価することになります。 PoCにおけるAIエンジニアの役割 一般的にPoCが計画・開始される時点でその検証内容は要件として定義されていますが、具体的なレベルで定義されているのは試行のライフサイクルにおける1回目までであり、2回目以降の検証内容は試行結果を見て逐次的に決めていくこ
0.グラフの描画ってどうやるの？ 二次元に描画するためには各頂点に適切に座標を与える必要がありますが、グラフは頂点と辺の情報しか持っていません。どのように頂点を配置すればよいのでしょう？？ この記事ではグラフをいい感じに配置するアルゴリズム Fruchterman-Reingold algorithm を説明します。Pythonだと networkxというライブラリで簡単に使用できます。しかし簡単すぎて悔しいので networkxの GitHub の実装を追いながら仕組みを確認していきます。 この記事の流れはこうです。 動かしてみる アルゴリズムの説明 Networkx の実装を追う 1.動かしてみる 動けば満足な方のために先に実装例を示しときます。Google colaboratory だと既にnetworkxがインストールされてるので、コピペですぐ試せます。 ランダムに配置 → ran
GitHub - apenwarr/blip: A tool for seeing your Internet latency. Try it at http://gfblip.appspot.com/
Go to http://gfblip.appspot.com/ It should work on any PC, laptop, tablet, phone, or iPod with javascript and HTML canvas support (which means almost everything nowadays). X axis is time. Y axis is milliseconds of latency. Green blips are your ping time to gstatic.com (a very fast site that should be close to you wherever you are). Blue blips are your ping time to apenwarr.ca ("a site on the Inter
Python: Null Importance を使った特徴量選択について - CUBE SUGAR CONTAINER
今回は特徴量選択 (Feature Selection) の手法のひとつとして使われることのある Null Importance を試してみる。 Null Importance というのは、目的変数をシャッフルして意味がなくなった状態で学習させたモデルから得られる特徴量の重要度を指す。 では、それを使ってどのように特徴量選択をするかというと、シャッフルしなかったときの重要度との比率をスコアとして計算する。 もし、シャッフルしたときの重要度が元となった重要度よりも小さくなっていれば、スコアは大きくなって特徴量に意味があるとみなせる。 一方で、シャッフルしたときの重要度が元とさほど変わらなければ、スコアは小さくなってその特徴量は単なるノイズに近い存在と判断できる。 あとはスコアに一定の閾値を設けたり、上位 N 件を取り出すことで特徴量選択ができるようだ。 今回使った環境は次のとおり。 $ sw
本noteは、普段、仮想通貨との接点のない「界隈の外側」にいらっしゃる方を対象にしています。 平均的な人たちの年収を数日で稼いでしまうような、そんな893な収益を重ねる「botter」とは一体何者なのか？その生態系を紹介したnoteです。bot制作は、詐欺的な手法とは対極に位置する極めて現実的で科学的なアプローチですので、安心してご一読ください。 ただし「絶対儲かるbotを販売します」という人がいればそれは詐欺なのでご注意ください。儲かるbotは、買うものではなく作るものです。はじめに～活況な仮想通貨界隈とbotterたち～皆さんこんにちは、Hoheto（@i_love_profit）と申します。 筆者たちは普段、ほぼ専業で自己資金を運用しています。筆者は主に仮想通貨による運用担当、コンビを組んでいるUKI（@blog_uki）は主に株式による運用を担当しています。 さて、昨年2020年末
“暮らしに定着するモノ“をどう実現するか。プロダクトデザイナーのアタマの中｜柴田文江の履歴書 #ぼくらの履歴書 - ぼくらの履歴書｜トップランナーの履歴書から「仕事人生」を深掘り！
私たちの生活を取り巻くさまざまな“モノ”をデザインする、プロダクトデザイナーの柴田文江（しばた・ふみえ／@Fnote）さん。家電や日用雑貨、ベビー用品など多彩な領域のプロダクトデザインに携わり、カプセルホテルのディレクションにも関わるなど幅広く活躍しています。 有機的な曲線美で、どこかやわらかな印象を与える柴田さんのデザイン。大切にしているのは「暮らしに定着すること」だといいます。その条件はどのように決まり、製品デザインへと落とし込まれていくのでしょうか。 新卒で入社した大手メーカーでのデザイナー時代から、仕事が少なく不安定だった独立直後。思い出を振り返りながら、そのキャリアの変遷とともに、自身のデザインに対する考え方がどのように進化してきたのかを語っていただきました。 柴田文江さん：Design Studio S（デザインスタジオエス）代表。プロダクトデザイナー。山梨県出身。武蔵野美術大
Facebook AI主催の画像のコピー検知のコンペで入賞した際の取り組み | BLOG - DeNA Engineering
はじめに データ統括部データサイエンス第二グループ所属の横尾です。普段はデータサイエンスやコンピュータビジョンなどを扱う業務をしながら、Kaggleなどのコンペに空き時間を見つけて参加しています。本記事では Facebook AI主催のコンペ で入賞した際の取り組みについて紹介します。 早速ですが、忙しい方のために以下に解法をまとめました： Data augmentationを工夫し、画像のコピー＆改変をデータセットに忠実に再現 Contrastive lossとcross-batch memoryを組み合わせた距離学習 Progressive learningによるEfficientNetV2の学習 類似の負例を用いたベクトルに対する後処理 こちらは、本コンペの自分の解法をまとめた技術レポートとコードのリンクです。 arXiv GitHub ※ 一定深層学習分野に関する知識がある読者を想
We are excited to announce support of submenus in the latest release of React Spectrum and React Aria! In the process of adding this feature, we found ourselves solving some unique challenges while working to make submenus user-friendly and accessible across an array of devices and input types. In doing so, we wanted to share our thought process in solving one of the challenges we faced along the
前回はテキストマイニングの手法と OSS を用いた実践について紹介しました。今回は、Google の T5(Text-to-Text Transfer Transformer) によるテキスト生成について、学習や推論のコード例と実験結果を交えてご紹介します。 1. はじめに 本記事では Google の T5(Text-to-Text Transfer Transformer) 1によるテキスト生成について、学習や推論のコード例と実験結果を交えてご紹介します。実験としては livedoor ニュースコーパス2での文章分類、やさしい日本語コーパス3及びやさしい日本語拡張コーパス4を用いたやさしい日本語変換を行いました。今回も Google Colaboratory で動かすことを想定したコードスニペットを入れていきますので、実際に動かしたり対象を変えてみたりして試して頂けると良いかと思います
こんにちは、CTOの森です。 本記事はiimonアドベントカレンダー16日目の記事となります。 普段機械学習を使うことは無いのですが、勉強も兼ねてCloudFrontのログを機械学習させてみたらどうなるのか試してみました。 検証した環境 ログデータの形式 使用したログデータのフィールド 分析までの手順 正しくデータを読み込む 学習できる形式に変換 method result_type path_num path_0 ~ path_4 query_num query_len sc-status time-to-first-byte 学習 元のデータと結合 CSVファイルに出力 コード全体 分析結果 (比較的)うまくいった結果 うまくいかなかった結果 参照したサイト まとめ 最後に 今回ログデータをIsolation Forestという手法を用いて分析してみました。Isolation Fore
James Stanley - Nightdrive
I've made a JavaScript simulation of driving at night time on the motorway. It's hard to classify what it is. It's not a video, because it's generated dynamically. It's not a game, because you just watch. It's not a screensaver, because it's not the 90s. Maybe it's a "demo"? This is something I've been planning to make for years, but kept forgetting about. I would only remember it when in the pass
Open source is coming for your business. It is just a matter of time before there exists a compelling open source alternative to your software. It won’t happen overnight, it will start out as a poor alternative, but slowly growing to become the robust and cheap (in fact, free!) solution that everyone uses. In this blog post, I’ll prove this to you with data. I present a measurement I call “Time Ti
Stable Diffusion （Diffusers）でLoRA～理論と実践～ | Shikoan's ML Blog
Stable DiffusionでのLoRAをdiffusersで試してみます。3Dモデルに対して、Unityで透過スクショを撮りLoRAで学習させるというよくあるやり方ですが、LoRAにおけるData Augmentationの有効性など興味深い点が確認できました。 はじめに 前々から気になっていたStable DiffusionのLoRAを使ってみました。3DモデルからスクショをとってLoRAで学習させるという「何番煎じだお前」って手法ですが、なかなかおもしろい結果になりました。 公式ドキュメント：https://huggingface.co/docs/diffusers/training/lora LoRAとは LoRAってよく使われる割には原著論文がそこまで解説されない気はします笑 （自分はNLPの専門家ではないので、この論文はさーっとしか読んでいませんが、 ）原著論文はこちらで、
WebKit Features in Safari 17.4
ContentsArchitectural improvementsWeb AppsForm elementsCSSWeb APIJavaScriptMediaSVGWebGLWeb AssemblyWeb InspectorChanges to SafariSafari ExtensionsWeb AuthenticationBug Fixes and moreUpdating to Safari 17.4Feedback Just like Safari 15.4 and Safari 16.4, this March’s release of Safari 17.4 is a significant one for web developers. We’re proud to announce another 46 features and 146 bug fixes. You ca
あなたは周りの人に流されるタイプですか？ それとも自分軸をしっかり持って、自分が決定して行動するタイプですか？ 他人の意見を参考にすることは大切です。 しかし、人生の大事な決定事項の判断を他人に委ねてしまうと、ゆくゆくは後悔する結果になることもあります。 本記事では「自分の軸を手に入れる3つの方法」をご紹介します。
Raspberry Pi4にIntel Neural Compute Stick 2(NCS2)を挿してエッジで機械学習の推論をする環境を整える #RaspberryPi #OpenVINO #NCS2 | DevelopersIO
せーのでございます。 今回は機械学習のモデルをラズパイ4上でも動かすためにIntelのNeural Compute Stick 2(NCS2)を用意したので、環境を整えてみたいと思います。 NCS2とは NCS2とはいわゆるアクセラレーター（接続したコンピュータの性能を上げるデバイス）で、NCS2はIntelが機械学習の推論性能を上げることに特化して作成したスティック型の外付けデバイスです。 見た目にトランスフォーマー感があって、非常にワクワクします。 ラズパイのCPUだけでは機械学習の推論をさせるには少し物足りないので、このNCS2を取り付けます。 まだ自己責任 といってもNCS2を挿したらすぐに使えるのか、と言うとそういうわけではなく、専用のツールキットをインストールする必要があります。Raspbean OS用のツールキットはまだベータの段階で、Intelのオープンソーステクノロジーセ
はじめに こんにちは！ABEJAでプロダクトマネージャーをしている栗林です！ ABEJAでは小売店舗での顧客行動を分析するInsight for Retailというプロダクトや、オフィスDX事業をはじめとして、物理世界の現象を機械学習などが適用可能なデジタルに変換する部分にも強みがあります！ 本日のTech Blogでは、安価かつ小型な加速度・角速度センサーを用いて製造業や物流業における作業者の行動や状態を推定する手法についてまとめました。 背景 みなさんは製造業や物流などにおける、正味作業時間という言葉をご存知でしょうか？ 正味作業時間とは実際の作業に充てられた時間を差します。 例えば、組み立て作業の際に必要となる道具や在庫が近くに無く、作業者がものを探したり歩行して取りに行ったとします。このときの準備や段取りにかかる時間は準備時間や付帯作業時間と言われ、作業工程において生産をおこなえて
GitHub - ensisoft/detonator: 2D game engine and editor 💥💣
Supports native Windows and Linux. Supports HTML5 and WASM. Fully featured editor for game development. Fully documented Lua API for game development. Simple object oriented APIs. Demo content and examples. Click here for more features... Windows, Linux and HTML5/WASM support Qt5 based WYSIWYG editor Text rendering (vector and bitmap) Various primitive shapes, custom polygon shapes Material system
ジミ・ヘンドリックス（Jimi Hendrix）のアルバム『Band Of Gypsys』は、リリースから50年以上が過ぎた現在でも、ロック・ミュージシャンが残した最も優れたライヴ・アルバムのひとつとして認識されている。 このアルバムはアメリカと英国でヒット・チャートのトップ10圏内に入り、1970年3月25日のリリースからわずか2ヶ月でゴールド・ディスクに認定されている。雑誌クラシック・ロックで最近使用された表現を借りるなら、これは「エレクトリック・ギターの音色の可能性」を明らかにしたアルバムだった。 『Band Of Gypsys』は好調な売れ行きを示し、ブルース、ファンク、ハード・ロックを融合させたその先駆的なサウンドは現在広く評価されているが、ヘンドリックスのキャリアにおいてとりわけ波乱に満ちた時期に作られたアルバムだった。 ジミの妹ジャニーは2019年、このアルバムについて「ジミ
SVT-AV1 is an open-source AV1 codec implementation hosted on GitHub https://github.com/OpenVisualCloud/SVT-AV1/ under a BSD + patent license. As mentioned in our earlier blog post, Intel and Netflix have been collaborating on the SVT-AV1 encoder and decoder framework since August 2018. The teams have been working closely on SVT-AV1 development, discussing architectural decisions, implementing new
Jupyter in Visual Studio Code – April 2021 Release - Python
We are pleased to announce that the April 2021 release of the Jupyter Extension for Visual Studio Code is now available. If working with Python, we recommend installing the Python extension directly from the extension gallery in Visual Studio Code. If you already have the Python or Jupyter extensions installed, you can also get the latest update by restarting Visual Studio Code. You can learn more
セキュリティ企業のゲヒルンは12月18日、自然災害関連の情報や防災気象情報などをユーザーの位置情報に基づいて配信するアプリ「特務機関NERV防災アプリ」のAndroid版の提供を始めた。9月から先行して配信しているiOS版は40万ダウンロードを超えたという。 地震や津波、噴火、特別警報といった速報や、洪水、土砂災害などの防災気象情報を、ユーザーの位置情報や登録地点に最適化して配信するアプリ。配信する情報は、気象庁と接続した専用線から直接受け取っているため、信頼性を担保しつつ国内最速レベルで情報を配信ができるとしている。 アプリを開くと、現在の気温や警報・注意報、天気予報、雨雲レーダーなどが一覧できる。 アプリ名は「エヴァンゲリオン」シリーズに登場する組織「特務機関NERV」から取っている。アプリのUIもエヴァ製作元のカラーの協力を受け、エヴァのデザインを取り込んだ。 エヴァのデザインを取り
はじめに こんにちは、ティアキンで寄り道し過ぎて永遠にストーリークリア出来ない坂元です。データサイエンスチームに所属しています。LLMの一大ブームの中でLLMの記事を書かないのは若干憚られますが、高速に実験を回す用途で気軽に使える機械学習パイプラインライブラリって実はあまりない…？と思ったので、今回は機械学習パイプラインライブラリを個人で開発してみている話をします。なお、本記事では機械学習パイプラインを「データの加工・モデルの学習・推論を一連のワークフローとして実行出来るツール」とし、データ収集やデプロイ、分布シフトの監視などの工程については言及しないものとします。また、比較的小規模なプロジェクトの検証段階で利用することを前提とします。 開発したパイプラインのライブラリは以下のリポジトリでバージョン0.0.1として公開しましたので、実装の詳細はリポジトリをご参照ください。ドキュメントとかも
26万台ものルーターやネットワークカメラにマルウェアを感染させた中国のボットネット「Raptor Train」をFBIが破壊
連邦捜査局(FBI)とアメリカの電気通信会社・Lumenのセキュリティ研究者が、26万台のネットワークデバイスにマルウェアを感染させて構築した中国のボットネット「Raptor Train」を破壊したと発表しています。Raptor Trainはアメリカを含む複数の国の重要なインフラストラクチャーをターゲットとするサイバー攻撃に活用されていました。 Office of Public Affairs | Court-Authorized Operation Disrupts Worldwide Botnet Used by People’s Republic of China State-Sponsored Hackers | United States Department of Justice https://www.justice.gov/opa/pr/court-authorized-o
IDEs AppCode CLion DataGrip DataSpell Fleet GoLand IntelliJ IDEA PhpStorm PyCharm RustRover Rider RubyMine WebStorm Plugins & Services Big Data Tools Code With Me Quality Assurance JetBrains Platform Scala Toolbox App Writerside JetBrains AI Grazie Team Tools Datalore Space TeamCity Upsource YouTrack Hub Qodana .NET & Visual Studio .NET Tools ReSharper C++ Languages & Frameworks Kotlin Ktor MPS Am
nendo、ローソンのプライベートブランド商品の ロゴデザインとパッケージデザインを担当 | AXIS Web | デザインの視点で、人間の可能性や創造性を伝えるメディア
佐藤オオキが率いるデザインオフィス nendoは、ローソンのプライベートブランド商品のロゴデザインとパッケージデザインを手がけた。これと合わせて、ローソンの新型コロナウイルス対策のキャンペーンビジュアルも公開した。 多くの国内コンビニチェーンには統一されたイメージのプライベートブランド商品があるが、ローソンはこれまで、「MACHI café」「Uchi Café」「NATURAL LAWSON」「からあげクン」「おにぎり屋」など、商品ジャンルやターゲットごとに複数のブランドを運用してきた。 これにより、ユーザーには商店街にいるように、専門性が高くて個性豊かなブランドから選べる楽しみを提供できるが、「ローソン」としてのブランドイメージを訴求しにくい点もあった。そこで、各ブランドの特性を維持しながらも統一感のあるビジュアル・アイデンティティを検討。 まずはローソンのメインロゴから、「シルエット
【機械学習】機械学習を用いたin silico screening【AI創薬】~第4/5 章 予測モデルの作成~ - LabCode
本記事はAI創薬の一つである機械学習を用いたin silico screeningについて書かれた記事です。第5章まであり、すべての内容が理解できると、目的の標的にあった薬物候補化合物を発見することができます。こちらの記事は第4章で第3章で整形したデータ機械学習モデルを行います！AI創薬っぽくなってきました。ぜひ皆さんもトライしてみて下さい！ AI創薬とは？ AI創薬は、人工知能（AI）技術を利用して新しい薬物を発見、開発するプロセスです。AIは大量のデータを高速に処理し、薬物の候補を予測したり、薬物相互作用を評価したりします。また、AIは薬物の効果や安全性をシミュレートすることも可能で、臨床試験の前の段階でリスクを評価することができます。これにより、薬物開発のコストと時間を大幅に削減することが期待されています。AI創薬は、薬物開発の新しいパラダイムとして注目を集め、製薬企業や研究機関で積
私たちは神の本質である「愛と光」に軸を合わせ、その軸がぶれないようにしっかりと押し出しながら、圧を上げていくのです。 圧が高いところにエネルギーは流れる はっていい見栄と悪い見栄 圧の低下が病気の原因だった 自分の軸を神の軸に合わせる 追伸 大切にしたものが残る 圧が高いところにエネルギーは流れる いいエネルギーを引き寄せられない人、せっかく引き寄せてもすぐに抜けてしまう人には特徴があります。 それは「圧」が弱いんです。 エネルギーは圧が強い方に流れます。 また、圧が弱いとエネルギーを放出します。 胃腸が弱い、腰が悪いなど、体の一部が悪いと、そこからエネルギーが抜けていくんです。 指圧で肩こりや腰痛の症状が緩和されます。 この時、指の先から薬が出ているわけではありません。 それなのになぜ緩和されるのかというと、押すと圧がかかるからなんですよね。 そうするとその押したところは圧が強くなるんで
Decision transoformer (2021)は、自然言語モデルGPTにおける次トークン予測の枠組みでオフライン強化学習タスクを解けることを示し新たなパラダイムをもたらしました。最近ではDeepMindの超汎用エージェントGATOなどもDecision Transformerベースのアーキテクチャを採用しており、その重要性が増しています。 Decision Transformer とは オフライン強化学習の新たなパラダイム 言語を生成するように行動を生成する 自然言語風アプローチのメリット 条件付き生成：Reward conditioned Sequence modelingの系譜 Multi-Game Decision Transoformer（NeurIPS 2022） Uni[Mask]（NeurIPS 2022）： MaskedLMの導入 GATO（2022）：超汎用エー
はじめに こんにちは、わっしーです。本記事では、CVPR2022で発表された画像異常検知手法であるPatchCoreの実装について解説します。 まずは、実際に試した結果です。下図の上は正常画像、下は異常画像です。異常部分が赤くなっており、製品が欠損していることがわかります。 PatchCoreの詳細については、外観検査向け異常検知手法に関する論文紹介の記事がわかりやすいです。 PatchCoreの利点は、ImageNetなどのデータセットで学習された事前学習モデルの特徴マップを用いるため深層学習モデルの訓練の必要ないことです。 手法としては、 正常な画像群の特徴マップにおける局所的な部分をパッチ特徴量としメモリバンクに保存する 高速化のためランダム射影で次元削除した特徴量に対してGreedy法を用い、メモリバンク内のパッチ特徴量の数を削減 テスト画像の各位置の特徴量に対して、近傍法でメモリ
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
高位合成でFPGA開発！最短 1日で映像リサイズ機能を実装する - aptpod Tech Blog
ジェフ・ミルズ 映画『ブレードランナー』のサウンドトラックを再構築した作品を6月19日リリース - amass
Rustでグラフをplotするライブラリのまとめ - Stimulator
ディープラーニングによる時系列データ予測モデル――精度を高める2つの方法とは？
グラフ描画アルゴリズムとNetworkxの裏側 - Qiita
「お前もbotterにならないか？」仮想通貨のボットで稼ぐのどうやるのまとめ。｜Hoheto (仮想通貨botter)
Creating a pointer-friendly submenu experience
はじめての自然言語処理 T5 によるテキスト生成の検証 | オブジェクトの広場
CloudFrontのログを使って機械学習で異常検知を試してみた - iimon TECH BLOG
André Staltz - Time Till Open Source Alternative
ブレない自分軸を手に入れる3つの方法【周りに流されない】
小型かつ安価なセンサーを使って人の行動推定を行ってみる - ABEJA Tech Blog
ジミ・ヘンドリックス『Band Of Gypsys』：エレキギターの音色の可能性を明らかにした作品
SVT-AV1: an open-source AV1 encoder and decoder
「特務機関NERV防災アプリ」Android版が配信開始 先行するiOS版は40万ダウンロード突破
実験を高速化する機械学習パイプライン開発の挑戦 - ABEJA Tech Blog
A Picture of Java in 2020 | The IntelliJ IDEA Blog
斉藤一人さん 自分の軸を神の軸に合わせる - コンクラーベ
オフライン強化学習② Decision Transformerの系譜 - どこから見てもメンダコ
【CVPR2022】画像異常検知 PatchCoreの実装解説