水彩塗りとは? 水彩塗りとは「透明度」を巧みに使った重ね塗りや色のぼかしによる柔らかさと「水彩境界効果」を使ったメリハリによって構成される塗り方です。 色を薄く重ねるだけでも「水彩塗り」になりますが、デジタルで水彩を表現する場合は、キャンバスのベースとなる「用紙テクスチャ」や「水彩境界効果」を使いこなすと、さらに本格的な「透明水彩画」を表現することができます。 透明水彩塗り以外の塗り方も以下の記事で詳しく解説しています! →厚塗り →アニメ塗り →ギャルゲ塗り 1.キャンバスの作成・基本的な使い方 キャンバスの作成 アイビスペイントを起動します。 タイトル画面で①マイギャラリーをタップし、次の作品一覧画面で②「+」ボタンをタップして新しい作品を追加します。 キャンバスサイズの選択シートが表示されます。 今回は、3:4(768×1024px)のキャンバスを選択します。 描画操作 ①ツール選択
Prompt-to-Prompt Image Editing with Cross-Attention Control Amir Hertz1,2 Ron Mokady1,2 Jay Tenenbaum1 Kfir Aberman1 Yael Pritch1 Daniel Cohen-Or1,2 1 Google Research 2 Tel Aviv University Paper Code Abstract Recent large-scale text-driven synthesis diffusion models have attracted much attention thanks to their remarkable capabilities of generating highly diverse images that follow given text pr
Language models (LMs) exhibit remarkable abilities to solve new tasks from just a few examples or textual instructions, especially at scale. They also, paradoxically, struggle with basic functionality, such as arithmetic or factual lookup, where much simpler and smaller models excel. In this paper, we show that LMs can teach themselves to use external tools via simple APIs and achieve the best of
In this article, we are going to understand how self-attention works from scratch. This means we will code it ourselves one step at a time. Since its introduction via the original transformer paper (Attention Is All You Need), self-attention has become a cornerstone of many state-of-the-art deep learning models, particularly in the field of Natural Language Processing (NLP). Since self-attention i
2022年度に未踏ジュニアに採択されたクリエイターが、5月から半年間取り組んできたプロジェクトについて発表を行う「未踏ジュニア 成果報告会」。ここで五島氏と、メンターの尾藤氏が登壇。「カラスからゴミを守るシステム」の開発理由から成果について報告します。 五島氏の自己紹介 尾藤正人(以下、尾藤):メンターの尾藤です。僕がメンターをさせてもらった、五島くんのカラスを追い返すシステムの発表をお願いしたいと思います。五島くん、どうぞ。 五島舜太郎氏(以下、五島):はい。みなさんこんにちは。五島舜太郎です。僕は今回「scairecrow」という、カラスからゴミを守るシステムの開発を行いました。 (会場拍手) ありがとうございます。scarecrowとは英語でカカシを意味する単語ですが、今回は「AIの機能を内蔵したカカシ」という意味を込めて名付けました。 では自己紹介です。年齢は13歳、中学1年生です
1 Carnegie Mellon University 2 Adobe Research SIGGRAPH 2023 We propose pix2pix-zero, a diffusion-based image-to-image approach that allows users to specify the edit direction on-the-fly (e.g., cat to dog). Our method can directly use pre-trained text-to-image diffusion models, such as Stable Diffusion, for editing real and synthetic images while preserving the input image's structure. Our method i
はじめに Arduino (ESP-WROOM-32; ESP32) + ROSでchatterサンプルを動かすところまでを構築した。 その実績メモを残す。 ググれば類似記事はたくさん出てくるので差別化のため本記事の特徴を書いておく。 ROSのバージョンがMelodic Morenia ROS環境をDocker上で構築した ROSのArduino用シリアル通信ライブラリの抽出をビルドなしで行える 動作環境 Windows 10 1809 Docker Desktop Community 2.0.0.3 Arduino IDE 1.8.9 手元に手頃なデスクトップPCがなかったのでOSはWindowsを使うことにし、Docker Desktopを使用してコンテナ内にROS環境を構築することにした。 Gazeboなどシミュレータ(GUI)を使う予定があるならこの方法は使えないことに注意。 ES
MIT researchers found that massive neural network models that are similar to large language models are capable of containing smaller linear models inside their hidden layers, which the large models could train to complete a new task using simple learning algorithms. Large language models like OpenAI’s GPT-3 are massive neural networks that can generate human-like text, from poetry to programming c
内容詳細 私たちの身の回りにはランダムに表される現象が数多く存在しています.そういった現象を記述する確率論は様々な研究を経て発展し,現代物理の基礎をなす熱・統計力学や近年急速に進展している機械学習といったいろいろな数理科学と密接に関連しています.本特集では,現象はいかに確率的に表されるかをテーマに,ランダムさが有する普遍性にも着目しながら,物理学およびその周辺分野での確率・統計と関連した様々な研究を取り上げていきます. 表紙CGコメント 今回の表紙画像では,立方体の辺を再帰的に枝分かれさせ,その線分から正方形を断面とするチューブを生成しています.枝分かれの発生位置が線分の黄金分割となるように設定し,さらに確率的に枝分かれを発生させることで,調和と乱数性を形状に組み入れています.(巴山竜来)
January 30, 2023 In this post, we'll implement a GPT from scratch in just 60 lines of numpy. We'll then load the trained GPT-2 model weights released by OpenAI into our implementation and generate some text. Note: This post assumes familiarity with Python, NumPy, and some basic experience training neural networks. This implementation is missing tons of features on purpose to keep it as simple as p
監修させていただいている評価指標入門なんですが、株式会社ホクソエムの代表取締役CEOである私、牧山幸史(以下、コージー牧山)、はじめてこの企画を聞いた時は「その特徴は単に評価指標をまとめた辞書やないかい!そういう”売れそうだから書く”みたいな商業的なマインドが学術界の価値を貶め云々」と思ったのですが、上梓された高柳さん(タカヤナギ=サン)の壮大なるお話を聞いているうちに「これはひょっとして数理モデリングとしても奥深い世界が広がっているの?面白いかも!」と思い監修社として名乗りを上げた次第です。 一方、本書の内容と皆様の期待値がややズレているのではないか?と不安には思っておりまして、これは監修社として一肌脱いでおかなければいかんなと、自然界に存在する第5の力「期待値調整力」を見せなければならないなと思い筆を取った次第です。 以下、私、コージー牧山の視点で「書いてあること・書いてないこと・書き
数理最適化案件とAI/機械学習案件とのアナロジー 「やってみなければわからない」中で僕たちDSはどうするか本記事では表題に関して、脳筋系ゆるふわVTuberこと入社2年目DSの岡部がお送りいたします。(DS=データサイエンティスト) 発... ◆【理論・実践】(2021年時点で)オススメの参考書 最大のアップデートはこちらの2冊です。参考書は時代の流れに合わせていいものが出てくるものですね。もちろん過去の参考書にもいいものはたくさんありますが、日進月歩の分野である以上、新しいものに軍配が上がりやすい構図はあると思います。 しっかり学ぶ数理最適化 モデルからアルゴリズムまで Pythonではじめる数理最適化: ケーススタディでモデリングのスキルを身につけよう 以下それぞれの所感です 【理論】「最適化分野全般を知るための『最適解』」とも言われている教科書 僕が最適化にハマっていた当時は様々な本
XLA を使用してコンパイルすると、プログラムのパフォーマンスを大幅に向上させることができますが、TensorFlow 相互運用性にはいくつかの既知の問題があります。 異なるデバイス上の tf.Variable エラーメッセージ: INVALID_ARGUMENT: Trying to access resource <Variable> (defined @ <Loc>) located in device CPU:0 from device GPU:0 XLA クラスタは 1 台のデバイスでしか実行できません。別のデバイスにある tf.Variable に対して読み取りまたは書き込みを行うことはできません。通常、このエラーメッセージは、変数が最初から適切なデバイスに配置されていないことを示しています。エラーメッセージは、問題のある変数の場所を正確に指定します。 注意: int32 型の
ながたろぐ 永太郎(@Naga_Kyoto)/重永瞬の研究・まち歩き記録、読書メモなど。地理学や都市史、空間論などに関心があります。 私は「参道研究会」と称して参道を鑑賞・考察する活動を行っている。 詳しい様子は以下のまとめなどを見ていただくとして、今回はその中でもある1つの参道類型についてご紹介したい。 【参道研究会】発足時のようす - Togetter 数ある参道類型の中でも私を惹きつけてやまないもの、それは「分断参道」である。 「分断参道」という概念を獲得できたことは、参道研究会の活動の中でも最大の収穫だったと感じる。 それは分断参道が単なる参道の一形態を示すにとどまらず、参道というものの本質を示してくれているからである。今回はそんな分断参道の世界を語らせていただきたい。 1.分断参道とは何か 「分断参道」、用語としては至極単純である。分断された参道のことだ。写真を見てもらえれば分か
自動車のエンジン認証試験(以下、認証試験)のプロセスに「死角」が見つかった。自動車メーカー各社の「性善説」が崩れる事態になれば、不正に発展しかねない(図1)。日野自動車のディーゼルエンジン(以下、エンジン)不正に関する取材によって明らかになった。 エンジン認証試験の1つである排出ガスの浄化性能を評価する「劣化耐久試験」において、「劣化触媒を誰が作るか」が死角となる。ここで開発側が製作した劣化触媒を、品質保証部門など他部門が使って同試験を実施しても牽制(けんせい)機能を果たせない可能性があることが明るみに出た。開発側が劣化具合を偽った劣化触媒を故意に作った場合、それを見破れないからだ。(イラスト:穐山 里実) 日野自動車のエンジン不正(排出ガスと燃費の不正)については、2022年8月2日に特別調査委員会(以下、調査委員会)が調査報告書を公表してから3週間もたたないうちに新たな不正が発覚。立ち
最近、いろいろな音楽機材をいじっている。 AIがなんでもかんでも作ってくれる、と言われても、どうしても音楽だけはしっくり来ない感じがしたからだ。 吾輩はど素人のオーディオマニアでもあるので、音楽を鑑賞することに関してはかなり肯定的な人間だ。 それ自体に喜びを見出したりもする。 そういう感覚からいくと、AIが作曲したという音楽のようなものは、全く、吾輩に刺さらないのである。 これはかなり奇妙な現象だ。 もしかすると同じように絵を見たり描いたりするのが好きな人にとっては、AIが生成した絵など見るに堪えないのかもしれない。 ただ、僕は文筆家だが、AIの生成した文章には面白みを感じるし、AIの生成した絵は、そのままだと大切なものが欠けていると思うが、ある種の意図性を載せるのに十分ではないかと思う。 いまここまで書いて気がついたのだが、AIが生成した文章も、AIが生成した画像も、僕はそのまま使うとい
TVMとは ペーパーはこちらからダウンロードできます。 https://arxiv.org/abs/1802.04799 TVMは、ASICやAPGAの様な組込様CPU等、様々なバックエンドでDeep Learningを動かすことを目的としたコンパイラです。 グラフレベルや演算子レベルの様々な最適化を行います。 興味本位でペーパーを読んでみたら、僕の知らない最適化テクニックが使われていたので紹介します。 他にも面白いことは書いてあったのですが、最も気になった2つを紹介します。 TVM stack TVMは図のようなスタック構造になっています。上から順番に最適化をしていって、最後にLLVMやCUDAのソースコードを生成します。High level Graph Rewritingの話(Section 3)や、Tensorとスケジューリングの話(Section 4)で最適化した後、それらの組み合
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