GitHub - open-webui/mcpo: A simple, secure MCP-to-OpenAPI proxy serverYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
MediaPipeの検出結果をもとに、P5で描画する。
この記事ではGoogle MediaPipeを用いて手を検出し、その結果をもとにP5で描画を行う方法を紹介します。 P5による描画をカスタマイズしてコンテンツに活用できると思います。 デモ 実装 🌾捕捉事項 過去の記事ではMediaPipe Handsが用いられており、npmパッケージも@mediapipe/handsなどを使い実装されているものが多かったです。 2024.05現在MediaPipeのうち視覚情報を扱うものがMediaPipe Vision tasksとしてまとめ提供されているようなのでこの記事では後者で実装を行なっています。 環境構築 学習済みのモデルをダウンロード MediaPipeを使うために学習済みのモデルをダウンロードしてプロジェクトに配置します。 下のリンクからhand_landmarker.taskを入手し、プロジェクトのルートディレクトリに置いてください。
画像埋め込みタスクガイド | Google AI Edge | Google AI for Developers
MediaPipe Image Embedder タスクを使用すると、画像の数値表現を作成できます。これは、さまざまな ML ベースの画像タスクの実行に役立ちます。この機能は、コサイン類似度などの数学的比較手法を使用して 2 つの画像の類似度を比較する場合によく使用されます。このタスクは、機械学習（ML）モデルを静的データまたは連続ストリームとして使用して画像データを処理し、画像データの数値表現を、浮動小数点形式または量子化形式で高次元特徴ベクトル（エンベディング ベクトル）のリストとして出力します。 試してみるarrow_forward 使ってみる このタスクを使用するには、対象プラットフォーム向けの次のいずれかの実装ガイドに沿って操作します。これらのプラットフォーム固有のガイドでは、推奨モデルを使用してこのタスクの基本的な実装について説明します。また、推奨構成オプションを含むコードサン
ブラウザのみでテキスト埋め込みからコサイン類似度を測る - Qiita
概要 テキストを「数値ベクトル」に変換することを「テキスト埋め込み」とかtext embeddingとかいいますが、それによって、テキスト間の類似度を測ることができます。 ベクトルの類似度を測る方法はいくつかあるようですが、コサイン類似度をとる方法が一般的です。 OpenAIなどがテキスト埋め込みを行うための埋め込みモデルを提供していますが、今回は、ブラウザのみかつ無料で、テキスト埋め込みからコサイン類似度を測るところまでをやってみました。 方法 私が試したのは2種類です。 MediaPipe からLiteRTを使う方法 APIを使う方法 また、お金を使いたくなかったので無料でできる方法を試しました。 MediaPipe からLiteRTを使う方法 MediaPipeは、Googleで開発を主導しているオープンソースの機械学習ライブラリーですが、ブラウザからTensorFlowLite(今
テキスト埋め込みガイド | Google AI Edge | Google AI for Developers
MediaPipe Text Embedder タスクを使用すると、テキストデータの数値表現を作成して、その意味を取得できます。この機能は、コサイン類似度などの数学的比較手法を使用して、2 つのテキストのセマンティックな類似性を比較する場合によく使用されます。このタスクは、機械学習（ML）モデルを使用してテキストデータに対して動作し、テキストデータの数値表現を、浮動小数点形式または量子化形式の高次元特徴ベクトル（エンベディング ベクトル）のリストとして出力します。 試してみるarrow_forward 使ってみる このタスクを使用するには、対象プラットフォーム向けの次のいずれかの実装ガイドに沿って操作します。以下のプラットフォーム固有のガイドでは、推奨モデルや、推奨構成オプションを含むコード例など、このタスクの基本的な実装について説明します。 Android - コード例 - ガイド Py
Android 向けテキスト埋め込みガイド | Google AI Edge | Google AI for Developers
MediaPipe Text Embedder タスクを使用すると、テキストデータの数値表現を作成して、 意味を取得します。ここでは、 Android アプリでのテキスト埋め込み。 機能、モデル、構成オプションの詳細については、 概要をご覧ください。 サンプルコード MediaPipe Tasks のサンプルコードはテキスト埋め込みの単純な実装です アプリこの例では、2 つの単語間の意味的類似性を評価します。 テキストで構成されており、実際の Android デバイスまたは Android ダウンロードします。 独自の Android アプリの出発点としてアプリを使用することも、アプリ自体に言及することもできます。 変更する際の注意点があります。テキスト埋め込みのサンプルコードは GitHub。 コードをダウンロードする 次の手順では、サンプルのローカルコピーを作成する方法を示します。 g
Cursor,Claude Codeなどが一回で読み込める行数について調べる
きっかけ CursorやRoo Codeなどで関数が再生成されたりなどの問題が発生する原因を特定したかった 各プロパイダごとの情報 ※ 2025年4月26日現在の情報です 各プロパイダごとにファイルごとに何行ごとずつ読んでいるかが違います Cline: ファイルサイズで規定（300KB） Roo Code: Cline+ デフォルトが500行、行数は可変 （非公式）Claude Code: 2000行 公式ソースはないですが有志によりいくつか調査が行われているようです 都合によりソース元は省略します。 Cursor: 500行 => 250行 Codex: 最大行数は未定義、ただし実際はcontext長を超えるとエラーが出て分割依頼が出る （非公式）Windsurf: 200行（ただしシンボルで概要を把握している） Reddit Github Copilot Agent: 500行以上で要
ブラウザでオフライン日本語インスタント全文検索を実現する
DuckDB の FTS (Full Text Search) 拡張と Lindera を利用する事で、日本語全文検索を実現できますが、DuckDB-Wasm と Lindera-Wasm を利用する事でブラウザで日本語全文検索を実現できます。Wasm なので完全オフラインで、利用できます。 さらに、クライアントのリソースということもあり一文字ずつ入力された値に対して Lindera-Wasm で形態素解析して、SQL を実行することでインスタント検索も実現できます。 DuckDB-Wasm (FTS 拡張) + Lindera-Wasm技術的には特に難しいことはしておらず、DuckDB-Wasm の FTS 拡張に Lindera-Wasm で形態素解析した結果を引数として渡して実行しているだけです。 デモサイトを用意しておきました、もし良ければ試してみてください。 DuckDB-Wa
Qwen3 の概要｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・Qwen3: Think Deeper, Act Faster 1. Qwen3本日 (2025年4月28日) 、「Qwen3」をリリースしました。「Qwen3-235B-A22B」は、「DeepSeek-R1」「o1」「o3-mini」「Grok-3」「Gemini-2.5-Pro」などの他のトップティアモデルと比較して、コーディング、数学、一般的な機能などのベンチマーク評価で競争力のある結果を達成しています。さらに、小型のMoEである「Qwen3-30B-A3B」は、10倍のアクティブパラメータを持つ「QwQ-32B」を凌駕し、「Qwen3-4B」のような小さなモデルでさえ、「Qwen2.5-72B-Instruct」の性能に匹敵します。 2つのMoEモデルをオープンウェイト化しています。「Qwen3-235B-A22B」は、総パラメ
ユーザーに複雑性を押し付けた —プロダクト開発振り返り：社内向け一括編集機能—｜シンギュラリティ
この記事では、一昨年から去年にかけて新規開発・2回のアップデートをした社内向けの貿易案件の一括編集機能について開発や成果を書いてみます。完全に社内オペレーター向けの機能ですが、一部の案件情報の入力作業をほとんど自動化するなど、トータルで月400時間以上の業務工数を削減することができました。 社内オペレーターとは、Shippioの貿易案件の手配業務（フォワーディング）を行うオペレーターのことです。顧客の要望に応じ、船やトラックの手配、通関手続きを行い、クラウドサービス上の情報を更新することで顧客に情報を共有しています。 この開発の目的社内オペレーターと顧客はクラウドサービスを介して情報共有やコミュニケーションをしています。 これまで社内オペレーターは貿易案件の更新を1件ずつ行なっていたのですが、案件量が増えるに従い作業量が膨大になっていて、手が追いつかないという課題がありました。 貿易案件を
TypeScriptに安易にResult型を導入しない方がいい - Qiita
TypeScriptへRustのようなResult型の導入をお勧めする記事や言説が多いので導入してみましたがあまりよくなかったです。という共有になります。 Result型を導入しても try-catch からは逃れられない これに尽きます。 Result型を導入したあと、try-catch を末端に押しやってそこ以外はResult型のみの世界を実現しようと、おそらくみんな考える。でもそれは機能しない。 実際にやってみるとこんなコードが多発する。 function hoge():Result<void> { try { // fn()は綺麗な世界の実現のためResult型を返すようにしてある。この関数のようにね。 const result = fn() // ここで例外が発生する処理が必要になる return ok(result) } catch(e) { return err(e) } }
スナイデルvlogぽこぽこ界隈について、ぽこぽこ界隈を愛しすぎて自分もvloggerになった人間の覚え書き - 敏感肌ADHDが生活を試みる
2025年4月、ついにぽこぽこ界隈が批評的視線の下に躍り出ました。 ぽこぽこ界隈とは、インスタグラム・TikTok・YouTube Shortsといったショート動画プラットフォームにvlog（日記動画）コンテンツを投稿する女性たちの界隈のことです。わたしの把握している限りでは少なくとも2023年下半期から徐々に流行りはじめ、2024年春には一つの型として完全に定着し、2024年夏にはショート動画プラットフォームで観ない日はないほど投稿されていました。 典型的なものをいくつか載せます。 誕生日デート前の美容day vlog🤍💉✨だから正確には21歳だけど😂 #PR #vlog #美容 #美容day #追認待ち #エマーキットマス... youtube.com デート前日ナイトルーティン👼🏻🪞サボンのデッドシーシリーズ優秀すぎる🥺#社会人#社会人の日常#社会人の休日#休日vlog
ぽこぽこ界隈のフォークロア - 集英社新書プラス
昨今若者の間で広まる「界隈」という言葉。インターネット空間上を通して広まったこのフレーズは、いま若者たちのゆるい繋がりを表すものとして、注目を集めている。この「界隈」の誕生は、現代の文化においてどのような意味合いを持っているのか。本連載ではインターネット上の若者集団をウォッチし続けてきたメディア研究者の山内萌が、さまざまな場所で生まれる「界隈」の内実を詳らかにしていく。 今回取り上げるのは、おしゃれに飾り付けたバスルームを映した動画、通称「ぽこぽこ界隈」。なぜ、このような動画が働く女性たちの間で広まっているのだろうか。 社会人女性の美容系ルーティーン動画 白やピンクがかったフィルター越しに浴室が映っている。バスタブにお湯を張り、SABONのハートスプーンでバスソルトをすくって入れ、さらにキュレルの入浴剤を入れて保湿を補う。バスタブにステンレス製のトレーを設置して、その上にシャンプーとトリー
AgentA/B: Automated and Scalable Web A/BTesting with Interactive LLM Agents
A/B testing experiment is a widely adopted method for evaluating UI/UX design decisions in modern web applications. Yet, traditional A/B testing remains constrained by its dependence on the large-scale and live traffic of human participants, and the long time of waiting for the testing result. Through formative interviews with six experienced industry practitioners, we identified critical bottlene
バイブコーディングが機能しないルーティンタスクを救う、分割指示MCPサーバ
みなさんはそろそろバイブコーディングや、丁寧にプロンプトを出して、AIのタスクが完了をするのを待つことに慣れただろうか。筆者は全然慣れない。むしろAIに何を夢見たんだと毎日絶望している。 というのも、 バイブコーディングほど雑に任せることが出来ない 丁寧にプロンプトを出すにしても、だいたい毎度の同じようなプロンプトを書いている そのくせタスクは多岐にわたるので.clinerulesや.cursor/rules/に長い指示を書くことができない といった感じに、コーディング業務の一部に偏りがある。もちろんうまくAIを利用できている開発もあるが、向かないケースはとことん向かない（しかもそれが業務の柱だと泣きたくなる）。 具体的には、 サイト運用の定期的なページ追加 新規サイト制作時のテンプレート作成 のようなクライアントワークのウェブ制作におけるコモディティ化した部分なのだが、統一されたデザイン
なぜNotionはAI時代の勝者とならないのか｜いけぴ | プロダクトエンジニア
Notionは全てのオブジェクトをブロック構造で管理してるので、AIリーダブルではないんですよね。その複雑さをUIで完璧に隠蔽しているのが美しかったしデファクトとなった所以だと思ってるけど、なんとAI時代と相性が悪かった。 https://t.co/zZvTnKtJvF — いけぴ / Takahiro Ikeuchi (@iktakahiro) April 26, 2025 なんとなく、あれ、最近のNotionってなんか使いにくい？と感じている人が増えてきているようなのだけど、じつはAI時代においてNotionの強みが打ち消されてしまってきているという話だと思っているので、その解説記事を書く。 最初に結論なぜNotionはAI 時代の勝者とならないのか、という問いに最初に答えると、次のようになる。 NotionのBlock構造がAIへの知識供給の妨げになっているから 成果物とドキュメント
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
GitHub - mark3labs/mcphost: A CLI host application that enables Large Language Models (LLMs) to interact with external tools through the Model Context Protocol (MCP).
DuckDB-Wasm (FTS Extension) + Lindera-Wasm
codeforjapan/mapprint | DeepWiki
様変わりする言論空間 ネット炎上の研究者とリハック創設者に聞く：朝日新聞
