Groonga、Mroonga、Rroonga、Droongaなど、Groonga関連プロジェクトの概要と最新情報を紹介します。 「全文検索エンジンGroongaを囲む夕べ 4」 http://atnd.org/events/43461 で使った資料です。
![HerokuでGroonga](https://cdn-ak-scissors.b.st-hatena.com/image/square/756d93a62b11ada19a9576bd26ca3d9f08079cf8/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fheroku-meetup-13450-150113031022-conversion-gate01-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
講演動画:https://youtu.be/YXGmiWzHxeo 解析編:https://www.slideshare.net/EpicGamesJapan/ue4-festeast2019-60fpsanalysis/ 2019年10月6日に行われた「UNREAL FEST EAST 2019」における「60fpsアクションを実現する秘訣を伝授」の登壇資料です。 ●公式サイト https://unrealengine.jp/unrealfest/ === 発売中のタイトル「NARUTO TO BORUTO シノビストライカー」に開発中のプロジェクトの事例も加えて、60fpsアクションゲームを実現するためのポイントや、パフォーマンス・チューニングについて解説します。おまけとして「NARUTO TO BORUTO シノビストライカー」のグラフィック面の技術を紹介。
This document discusses using artificial intelligence and machine learning techniques to reconstruct 3D faces from single images by capturing geometric and texture details. It notes several applications of this technology including augmented and virtual reality, animation, and digital avatars. The document also mentions some companies and tools that are working on 3D reconstruction and modeling li
※本セッションには、多くの動画が含まれていたりノートに備考が記載されている可能性があります。実際の講演で行われたスライドが下記からダウンロード可能ですので、是非そちらをご覧頂けますと幸いです。 講演パワーポイントリンク: https://epicgames.box.com/s/8mmgpxjfgbvk86wdfs23t0xbqwzfrrcu 登壇者 林 武尊さま 内容 エフェクト制作においての各種レギュレーションや、制作中に起こった問題、検証したこと、どうやって解決したかなどを網羅的にお話する内容になります。 本スライドは2019年3月15日に行われた「UE4を用いた大規模開発事例紹介 ~スクウェア・エニックス様をお招きして~」にてスクウェア・エニックス様に講演していただいたものです。 当日は本講演は1セッションで行いましたが、公開頂いたスライドページ数がSlideShareの制限に達した
講演動画:https://youtu.be/YXGmiWzHxeo 基礎編:https://www.slideshare.net/EpicGamesJapan/ue4-festeast2019-60fpsbasic 2019年10月6日に行われた「UNREAL FEST EAST 2019」における「60fpsアクションを実現する秘訣を伝授」の登壇資料です。 ●公式サイト https://unrealengine.jp/unrealfest/ === 発売中のタイトル「NARUTO TO BORUTO シノビストライカー」に開発中のプロジェクトの事例も加えて、60fpsアクションゲームを実現するためのポイントや、パフォーマンス・チューニングについて解説します。おまけとして「NARUTO TO BORUTO シノビストライカー」のグラフィック面の技術を紹介。
This document discusses generative adversarial networks (GANs) and their relationship to reinforcement learning. It begins with an introduction to GANs, explaining how they can generate images without explicitly defining a probability distribution by using an adversarial training process. The second half discusses how GANs are related to actor-critic models and inverse reinforcement learning in re
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