ディープラーニングの力で結月ゆかりの声になってみた
目次 （背景）自分の声を結月ゆかりにしたい。前回はあまりクオリティが良くなかったので、手法を変えて質を上げたい。 （手法）声質変換を、低音質変換と高音質化の二段階に分けてそれぞれ学習させた。画像分野で有名なモデルを使った。 （結果）性能が飛躍的に向上し、かなり聞き取れるものになった。 （考察）精度はまだ改善の余地があり、多対多声質変換にすることで精度が向上すると考えられる。今回の結果を論文化したい。 デモ動画 背景多くの人が可愛い女の子になりたいと思っている。 ＣＧ技術やモーションキャプチャ技術の向上により、姿は女の子に仮想化できるようになってきた。 しかし、声に関してはまだまだ課題が多い。 声質変換は「遅延」「音質」「複数話者」などの難しい課題がある。 今回は、自分の声を結月ゆかりにするための、低遅延で実現可能な高音質声質変換を目指した。 手法大きく分けて３つの工夫をした。 画像ディープ
deepart.io - become a digital artist
Turn your photos into art. Repaint your picture in the style of your favorite artist Create your own Buy the unique featured DeepArt Turn any photo into an artwork – for free! We use an algorithm inspired by the human brain. It uses the stylistic elements of one image to draw the content of another. Get your own artwork in just three steps. Upload photo The first picture defines the scene you woul
ディープラーニングで検索ランキングを改善し、大きな効果が出た話 | RECRUIT TECHNOLOGIES Member's blog
検索改善担当の大杉です。今回は、2015年度まるまる取り組んでいたディープラーニング 1 を活用した施策について共有します。 汎用的に使えそうな部分を抽出して書いています。なので具体的な数字は出てきませんが、検索動線がコンバージョンに影響を与えるようなサービス一般に対して通用するんじゃないかと思ってます。 前提として すでにログやユーザーが集まっているサービス 専門性の高いメンバーで構成されたチーム（データサイエンティストは不在） が、すでに与えられている恵まれた状態からスタートしています。 なにをやったか ポンパレモール というECサイトで、検索時のランキングアルゴリズムの改善をやりました。検索基盤についてはこちらをご参照ください。 リクルート全社検索基盤のアーキテクチャ、採用技術、開発体制はどうなっているのか (1/2) 今回はそのアルゴリズムのロジック部分の話です。 やったことを１文
ディープラーニングはどのようにして生まれたのか? 低予算で自主的な研究グループによって育まれた世界最先端のAI技術（小林 雅一） @gendai_biz
ディープラーニングはどのようにして生まれたのか? 低予算で自主的な研究グループによって育まれた世界最先端のAI技術 自動運転車やディープラーニングなど、第3次AIブームが世界的に勢いを増している。これら人工知能はどう実現され、そして世に出てきたのか? 今回のコラムではその開発から商用化へと至る経緯を詳しく紹介したい。 その理由は今後、日本でもディープラーニングのように画期的なAI技術を官民あげて自主開発しようとする動きが起きる公算が高く、その際の参考材料として欲しいからだ。 学際的な研究グループの結成 現在、日本でもブームを巻き起こしている「ディープラーニング」あるいは「ディープ・ニューラルネット」などと呼ばれる先端技術は、伝統的なAI（人工知能）である「ニューラルネット」の最新モデルだ。 1950年代に米国で研究開発が始まったニューラルネットは、「人間の脳の仕組みを（極めて単純化した形で
巨人たちが語るディープラーニングの未来（翻訳記事） - Preferred Networks Research & Development
比戸です。スムージーの美味しい季節ですね。 今回は「ディープラーニングの未来」というパネルディスカッションに関するブログの翻訳をお送りします。この業界の有名人が多数参加していて、とても興味深い内容だったため、日本のコミュニティでも共有できたらと思ったのです。 それは2015年7月に開かれた機械学習の国際会議・ICML内のDeep Learning Workshopの企画でした。元記事はワークショップ主催者のKyunghyun Cho氏のBrief Summary of the Panel Discussion at DL Workshop @ICML 2015です。ご本人の許可を得られたので、以下に日本語訳を掲載します。なるべく原文に忠実に訳したつもりですが、分かりづらい部分は意訳が入っているため、もし誤りがあればご指摘下さい。 — ここから翻訳 <はじめに> ICML 2015で開かれた
【機械学習】ディープラーニング フレームワークChainerを試しながら解説してみる。 - Qiita
今話題のDeep Learning(深層学習)フレームワーク、Chainerに手書き文字の判別を行うサンプルコードがあります。こちらを使って内容を少し解説する記事を書いてみたいと思います。 (本記事のコードの全文をGitHubにアップしました。[PC推奨]) とにかく、インストールがすごく簡単かつ、Pythonが書ければすぐに使うことができておすすめです！ Pythonに閉じてコードが書けるのもすごくいいですよね。 こんな感じのニューラルネットワークモデルを試してみる、という記事です。 主要な情報はこちらにあります。 Chainerのメインサイト ChainerのGitHubリポジトリ Chainerのチュートリアルとリファレンス 1. インストール まずは何はともあれインストールです。ChainerのGitHubに記載の"Requirements" ( https://github.co
機械学習ライブラリ Chainerの紹介 - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は元気です。 Chainerと呼ばれる機械学習ライブラリを紹介しようと思います。 Chainerについて Chainerとは？ ChainerはPreffered Networksが開発したニューラルネットワークを誤差伝播で学習する ライブラリです。(Python)chainer.org 特徴として、Chainer は、「実際に Python のコードを用いて入力配列に何の処理が適用されたかだけを記憶しておき、それを誤差逆伝播の実行に使います」だそう。 Install sudo pip install chainer 基本的にこれだけのインストールが非常に簡単なソフトウェアです。 他のライブラリとの比較 ディープラーニングが活かすIoTより抜粋。 個人的に注目した違いは以下の3点 CaffeもTheanoも勉強することが多い。（設定ファイルとか） 短く書け
分散深層強化学習でロボット制御 - Preferred Networks Research & Development
新入社員の松元です。はじめまして。 “分散深層強化学習”の技術デモを作成し、公開いたしました。ロボットカーが0から動作を学習していきます！ まずはこの動画を御覧ください。 以下で、動画の見どころと、使っている技術を紹介します。 動画の見どころ Car 0(○の付いている車)が右折カーブの手前で減速する様子(右画面の白いバーのところが、ブレーキのところで赤くなっている。ニューラルネットはブレーキが最も多く報酬が得られると推測していることがわかる)。速い速度ほど報酬は大きいが、カーブを曲がりきれず壁にぶつかってしまうので学習が進むとカーブ手前でのみ減速するようになる。 目の前に車がいるときは一時停止して、いなくなってから加速する。 エチオピアには本当にこのような交差点があるらしい。 ぎりぎりですれ違う2台。学習途中ではすれ違いきれずにぶつかって倒れてしまうこともある(早送りシーン中に人が写って
New ‘deep learning’ technique enables robot mastery of skills via trial and error
New ‘deep learning’ technique enables robot mastery of skills via trial and error. UC Berkeley researchers have developed algorithms that enable robots to learn motor tasks through trial and error using a process that more closely approximates the way humans learn, marking a major milestone in the field of artificial intelligence. They demonstrated their technique, a type of reinforcement learning
Nervanaが、Facebookのツールを超えるディープラーニングソフトウェアをオープンソース化 - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
Image Credit: Chris/Flickr ディープラーニングという人工知能の一種に特化した数あるスタートアップの1つであるNervana Systemsは本日、NeonディープラーニングソフトウェアをApacheオープンソースライセンスの元でリリースしたと発表した（編集部注：原文掲載5月6日）。誰でも無償で試用することができる。 Nervana SystemsはFacebookの研究員が最近実施した性能測定を挙げ、このソフトウェアがNvidiaのcuDNNとFacebookのTorch7ライブラリを含め公開されている他のディープラーニングツールをみな性能面で凌駕したとしている。 「私たちは本ツールをリリースし、人々が簡単にディープラーニングを自分の課題に適用できるようにしたかったのです」とNervanaのCEOであるNaveen Rao氏はVentureBeatとのインタビュー
人工知能ブームへの落胆を繰り返さない：日経ビジネスオンライン
多田和市 日経ビッグデータ 日経ビジネス記者・副編集長、日経情報ストラテジー編集長、日経ビジネス編集委員、日経BPビジョナリー経営研究所上席研究員などを経て、2014年1月から日経ビッグデータ記者。 この著者の記事を見る
人間は終わるんですよ、その中で生きていくしかない
まず人工知能に関心があったんですよ。松尾さんや山川さん注1）がやっている全脳アーキテクチャ勉強会というプロジェクトを聞いて、不勉強だったので僕なりにいろいろ調べてみたら、予想以上に人工知能は進んでいるなと思ったんですね。人工知能と言うとすごい遠い未来のイメージを持っていたんですが、どうもそうじゃないことが分かりまして。 注1）東京大学大学院工学系研究科准教授の松尾 豊氏と、ドワンゴ人工知能研究所の所長に就任した山川 宏氏。いずれも「全脳アーキテクチャ勉強会」のオーガナイザーを務める。本誌2月号には、もう一人のオーガナイザーである産業技術総合研究所 主任研究員一杉裕志氏による論文「脳全体の動作原理を解明へ、汎用人工知能への最短の道」も掲載した。 僕らがやっている「将棋電王戦」†でも、ディープラーニング†やオートエンコーダー†といった技術が使われています。その詳細を見るとかなり汎用的になってい
ディープラーニングを使ったイメージの切り抜き | カメリオ開発者ブログ
こんにちは、シバタアキラです。この度PyDataの本家であるアメリカのコミュニティーで半年に一度開催されているPyDataカンファレンスに出席するため、NYCに行って来ました。11/22-11/23の二日間の日程で行われ、延べ250人ほどが参加したイベントです。その時の模様は、先日のPyData Tokyo第二回ミートアップでもご説明させていただき、また後日記事化されると思いますので、そちらをぜひご覧いただければと思います。 今回はそのPyData NYCカンファレンスで私が発表してきたミニプロジェクトについてお話します。最近各所で話題に上がるディープラーニングですが、これを使った応用を「カメリオ」のサービス向上のために使えないか、というのがそもそものプロジェクトの着想でした。今回PyData Tokyoオーガナイザーとして、またディープラーニングで色々と面白い実験をしている田中さん（@a
1
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
「ディープラーニング」を身近に感じよう！スマホで体験してみました | 人工知能研究開発エンジニア集団 - 株式会社Nextremer
長文日記
Brainvalley | Brainvalley 人工知能と脳科学のアーカイブサイト。