画像内に映り込んだ所望のオブジェクトを排除し、違和感の無い画像を生成するシーン補完技術に関しては近年複数の研究成果が発表されている。しかし中でも2007年のSIGGRAPHにて米カーネギメロン大のJames HaysとAlexei A. Efrosが発表した手法*1はブレークスルーとなりうる画期的なものだ。 論より証拠、早速適用例を見てみよう。本エントリで利用する画像はPresentationからの引用である。元画像の中から邪魔なオブジェクト等の隠蔽すべき領域を指定すると、その領域が補完された画像が自動的に生成される。 アルゴリズム 効果は抜群だがアイデア自体は単純なものだ。Web上には莫大な数量の画像がアップされており、今や対象となる画像の類似画像を一瞬にして大量に検索することができる。そこで、検索された類似画像で隠蔽領域を完全に置き換えてしまうことで違和感の無い補完画像を生成するのだ。

来年も作りたい！ふきのとう料理を満喫した　2024年春の記録 春は自炊が楽しい季節 1年の中で最も自炊が楽しい季節は春だと思う。スーパーの棚にやわらかな色合いの野菜が並ぶと自然とこころが弾む。 中でもときめくのは山菜だ。早いと2月下旬ごろから並び始めるそれは、タラの芽、ふきのとうと続き、桜の頃にはうるい、ウド、こ…

http://d.hatena.ne.jp/ak11/20090219#p1 akiさんがBlunder開発で培ったノウハウを10個にまとめて紹介 2. 計測重要 正確さと速度のトレードオフになったりするケースが凄く多いので、 最適化で言われるように、予想通りに行かない事も多いです。このへんが自分は苦手。お手軽にはできない(^^; 例えば、PVS・AspirationSearch・再帰的反復深化が3桁以下の間に、 評価関数や指し手生成は6桁以上、手の適用は7桁以上、なんて具合に、 言葉通り回数の桁が違う事が多いため、どこに力を入れるのか、どこの無駄を省くのかが重要で、 それも相まって予想通りの挙動を示さない事が多いです。　これはありますよね。 探索でも、圧倒的に静止探索>通常探索の動く割合になるんですよ。当然ですけど。 ってわけで、misakiの通常探索は手の深さをfloatで持っていて、

ってことで論文をメモしておきます googleスカラーで検索 http://scholar.google.com/scholar?hl=ja&lr=&q=td学習+将棋&btnG=検索&lr= TD(λ)-MC 法を用いた評価関数の強化学習 http://shouchan.ei.tuat.ac.jp/wiki/index.php?plugin=attach&pcmd=open&file=osaki0711TDMC-GPW).pdf&refer=lab/papers/depot TD 法を用いた局面評価関数の性能評価 http://www-als.ics.nitech.ac.jp/paper/H18-B/inagaki.pdf モンテカルロシミュレーションを用いた強化学習法の提案 http://shouchan.ei.tuat.ac.jp/wiki/index.php?plugin=atta

かずさんからの連絡で、早速ダウンロードしました。 …これ、ソース全部公開されてますよね。。予想以上の衝撃、感謝、感激です。 学習をやっておられる方はもちろん、そうでない方も探索とかの処理はとても参考になるのでは。 …C言語勉強しよう。 いずれにしても、保木さんご自身が「crypticな部分がある」と仰っておられるくらいですから、「解読(decrypt)」にはかなり時間がかかりそうです。 私にとっては来年の選手権に向けての取り組みですね。今年の5月に向けて取り組んだら、たぶん消化不良を起こしてしまう気がするので。 以下、bonanza.txtより。 I admit that some parts of the source code is cryptic, e.g. codes in "mate1ply.c". I hope that I will have some time to mak

前のエントリの話、つづく。 証明数/反証数の考え方を借用しますが、とはいっても詰将棋とは違い、詰む詰まないを判定するのは主目的ではないので、 「詰みそうなノードには、多めにplayoutを割り当てる」 という基本方針でいこうと思います。 あるノードの子ノードに全て勝ちフラグが立っていれば、そのノードは負けノードになるので、子ノードの中に勝ちノードを見つけたら、親ノードに「playoutをもっとくれ」という情報を渡します。 親ノードはそれを見て、さらに親にも情報を伝えると同時に、UCB値にボーナスを与え、playoutを多めに割り当てるようにします。 また、残りの（勝ちノードであることを証明しなければならない）ノード数に応じて、playout数の割り当てを変化させるようにします。 （残りのノードがたくさんあるなら優先度は低く、もう少しで証明が終わるなら優先度を高く） 頭の中では設計は固まって

確定勝利優先アルゴリズム（長いです。。いい略語ないですか？）を入れて「5手詰めが解けた」と喜んでいたんですが、他の問題を解かせてみると、解けないはずの9手詰めまで詰みを返してきました。 調べてみると、勝ちフラグを立てる処理が間違っていて、本当は（あるノードの）直下のノードで詰みを発見した場合に勝ちフラグを立てるんですが、「直下のノードで」という条件が抜けていて、そこから何十手先で詰みを見つけてもフラグが立つことになってました。。 昨日の結果は偶然だったみたいで、正しく直したら30,000playoutでも解けませんでした。 原因は分かっていて、5手詰めだと、リーフノードで見つけた勝ちフラグが、親ノードへ伝播していかないんですね。 勝ちフラグを親に伝播させるためには、兄弟ノード全部に勝ちフラグが立つ必要がありますが、深さ5となると、それを満たすだけのplayoutが割り当てられないわけです。

確定勝利優先アルゴリズムの実装をちょっと修正しました。 昨日の実装では、指し手選択の時、「負けフラグが立っている手は選ばない」ようにしていました。 指しても必ず負けと分かっているので、調べる意味がないからですが、 よく考えたら、勝ちフラグが立っている手も調べなくていいことに気が付きました。。 当たり前の処理ですが、これを入れたら5手詰めも見つけてくれました。 具体的にはこんな問題です。 後手の持駒：飛　角　金二　桂　歩四 ９ ８ ７ ６ ５ ４ ３ ２ １ + v香 ・ ・ ・ ・ ・ ・v桂v香 一 ・ ・ ・ 銀 ・ 銀 ・v角 ・ 二 ・ ・ 全 ・ ・v歩 ・v歩v歩 三 ・ ・ ・ ・ 桂v玉v歩 ・ ・ 四 v歩 ・ ・ ・v飛 ・ ・ 歩 ・ 五 ・ ・v歩 ・v歩 ・ 歩 ・ 歩 六 歩 歩 ・ 玉 ・ 歩 ・ ・ ・ 七 ・ 銀 ・ ・ ・ ・ ・ ・ ・ 八 香 桂 ・

羽生）（コンピュータは）ここ数年伸び悩んでいたんですよ アマチュア高段程度で ここ数年壁を突破して実力が上がった感じがしますね 羽生）コンピュータの基本的な考え方は手をたくさん読んでいく　より正確性をあげていく 人間の場合、将棋の実力が上がるほど読む数が減っていく 先ほどの大山さんの話ですが、 羽生）（コンピュータと人間は）反対方向に行くって話はあるんです アナ）どの点に関心をもたれています？ 羽生）人間が指したのかコンピュータが指したのかは今は一目瞭然にわかります 感覚を教えることはできないじゃないですか 今は 将来は同じになるのか？　（笑）　違和感をもったままになるのか？　それはテーマです アナ）違う方向だけど最後は同じになる？ 羽生）方向性は違うんですが、最後は指す手は同じになると考えています アナ）羽生さんコンピュータとは？ やってみたいという気持ちは？ 羽生）どういう将棋を指すの