オーディオ超解像技術 AudioSR を試す｜はまち
低解像度の音声データを超解像化をする拡散ベースの生成モデル AudioSR が公表されていました。リンク先に変換サンプルなどもあり、音声や自然音、音楽など幅広いジャンルの例が示されています。高い再現度であるようなので、さっそく試してみました。 インストール!pip install git+https://github.com/haoheliu/versatile_audio_super_resolution実行！GPUメモリを16GBくらい消費します。Google Colab無料枠だとメモリが足らなくて動かない感じでした。 !audiosr -i /content/kurumi.wav変換例変換前（サンプリングレート8kHz）
「好きなキャラに近い絵をAIが量産」――ある概念を“単語”に圧縮し入力テキストに使える技術
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 イスラエルのTel-Aviv UniversityとNVIDIAの研究チームが開発した「An Image is Worth One Word: Personalizing Text-to-Image Generation using Textual Inversion」は、ある概念を新しい単語（論文ではnew pseudo-wordと表現している）に置き換え、その新しい単語を一部に用いた文章を画像生成AIの入力に使用するシステムだ。 指定したキャラクターや物、絵などが持つ概念（形、質感、雰囲気、構成、デザインなど）を単語に圧縮し、入力テキストに活用することでその概念に沿ったさまざまな画像を
5つの文字から1万4000文字を自動生成 筑波大発AIベンチャーがフォント生成システム 特許出願
筑波大学発AIスタートアップのAIdeaLab（東京都千代田区）は8月17日、5つの文字から1万4000以上の文字をAIで自動生成するフォント生成システムの特許を出願したと発表した。 システムは、敵対生成ネットワーク（GAN）をベースに、大量のフォントを学習させた上で、手作業でデザインした数個の文字から、太さやセリフ（装飾）の形状を抽出し、生成する。パラメーターの値を調整することで、新しいフォントとして出力することも可能。ピクセル画像ではなく、ベクター画像として生成する独自技術により、フォントファイルとしての出力を可能にしたという。 特許は、フォント生成モデルだけでなく、アプリケーションUIも含む。パラメーター調整でフォントを生成するUI、少ない文字数でのアップロードでフォントを生成するUIなど、さまざまなパターンのサービス展開を織り込んでおり、特許出願技術をベースに、フォント制作会社向け
機械学習の進化が、「レンズ」というカメラの当たり前を覆す 次世代イメージセンシング・ソリューション開発を加速
要点 最先端機械学習モデル「Vision Transformer」に基づく、新たなレンズレスカメラの画像再構成手法を提案 提案した画像処理技術は高速に高品質な画像を生成できることを実証 小型・低コストかつ高機能であるため、IoT向け画像センシング等への活用に期待 概要 東京工業大学 工学院 情報通信系の潘秀曦（Pan Xiuxi）大学院生（博士後期課程3年）、陈啸（Chen Xiao）大学院生（博士後期課程2年）、武山彩織助教、山口雅浩教授らは、レンズレスカメラの画像処理を高速化し、高品質な画像を取得できる、Vision Transformer（ViT）[用語1]と呼ばれる最先端の機械学習技術を用いた新たな画像再構成手法を開発した。 カメラは通常、焦点の合った画像を撮影するためにレンズを必要とする。現在、IoT[用語2]の普及に伴い、場所を選ばず設置できるコンパクトで高機能な次世代カメラが
ヤフー、“ヤフコメ”の表示順位付け技術を無償公開 ネット上のコメント健全化目指す
APIの連携によって事業者は、AIの開発に必要な学習データや計算コストなどの初期投資をかけずに、自社サービスへのコメントの健全化に役立てることができるという。 今後もヤフーは誹謗中傷など悪質コメントに対する取り組みを進め、インターネット空間の健全化を目指すとしている。 関連記事 ヤフー、“ヤフコメ”のパトロールAIを外部提供へ 1日に2万件の誹謗中傷を削除可能 ヤフーが、「Yahoo!ニュース」コメント欄の健全化のため使用しているAIを、外部の事業者にも提供すると発表した。1日に平均約2万件の悪質な投稿を削除できる自然言語処理モデルを横展開し、投稿型サービスの健全化を図る。6月中をめどに、悪質なコメントへの対策強化に向けた検討会も開催する。 “繋がりすぎる”ネット時代の誹謗中傷問題、解決策はあるのか リアリティーショー番組でのSNS中傷を発端として、インターネット上の悪質な投稿に関する議論
脳細胞の活動を深層ニューラルネットワークに写し取る手法を開発 東京大学
東京大学の研究チームは、目で見た画像に対する視覚野の神経細胞の活動を深層ニューラルネットワークに写し取ることで、神経細胞の活動をコンピュータで詳細に解析する手法を開発した。 今後、人工知能が自動運転や医療診断など人命に関わりうる領域に活用されるにあたっては、人間を含む動物がどのように目で見た視覚情報を処理しているのかを解明することが重要だ。そこで本研究チームは、次のようにして、目で見た画像に対する視覚野の神経細胞の活動を深層ニューラルネットワークに写し取り、コンピュータ上で詳細に解析する手法を開発した。 まず、動物に見せた画像と同じ画像を深層ニューラルネットワークに入力し、その画像に対する神経細胞の活動を教師信号として深層ニューラルネットワークを学習させる。次に、このニューラルネットワークの出力を最大化するように入力画像を更新することを繰り返す。出来上がった画像は、ニューラルネットワークに
たった1枚の画像から走ったりジャンプしたりできる3Dモデルを生み出す技術が開発される - GIGAZINE
「写真から3Dデータを作り出す」といえば、モデルをさまざまな角度から撮影した写真をもとに3Dモデリングを行い、モデルの厚みや凹凸を表現するのが一般的です。そんな中で「たった1枚の写真から3Dモデルを作り出す」という技術を、ワシントン大学の研究チームが開発しました。 [1812.02246] Photo Wake-Up: 3D Character Animation from a Single Photo https://arxiv.org/abs/1812.02246 Photo Wake-Up: 3D Character Animation from a Single Photo https://grail.cs.washington.edu/projects/wakeup/ This Algorithm Can Create 3D Animations From A Single St
AI技術により超高精度な歌声合成を実現
株式会社テクノスピーチ（所在地：名古屋市千種区、代表取締役：大浦 圭一郎、以下 テクノスピーチ）と国立大学法人名古屋工業大学 国際音声言語技術研究所（所在地：名古屋市昭和区、代表：徳田 恵一、以下 名古屋工業大学）は、このたび人間の声質・癖・歌い方をこれまでになく高精度に再現できる歌声合成技術を開発いたしました。 テクノスピーチと名古屋工業大学は共同で音声合成・歌声合成技術の研究・開発に取り組んでおり、これまでに業務用カラオケ機器「JOYSOUND」や音声創作ソフトウェア「CeVIO Creative Studio」等に音声合成・歌声合成技術の導入を進めてきました。本研究では、特定の歌唱者の約２時間の歌声データベースに対して、深層学習等のAI技術を適用することにより、歌唱者の声質・癖・歌い方を学習しました。合成の際は、任意の歌詞付き楽譜を入力するだけで高品質な歌声を合成することができま
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
ATRと京都大学、fMRIで測定した人間の脳活動のみから、その人が見ている画像を機械学習を用いて再構成する提案を発表。心の中でイメージした内容の画像化にも成功
ATRと京都大学、fMRIで測定した人間の脳活動のみから、その人が見ている画像を機械学習を用いて再構成する提案を発表。心の中でイメージした内容の画像化にも成功 2018-01-14 ATR（国際電気通信基礎技術研究所）と京都大学の研究者らは、fMRI（機能的磁気共鳴画像法）によって測定された人間の脳活動のみから機械学習を用いて視覚像を再構成する提案を論文にて発表しました。 Deep image reconstruction from human brain activity 著者：Guohua Shen, Tomoyasu Horikawa, Kei Majima, Yukiyasu Kamitani （左が見ている画像、右が再構成された画像） 本稿は、人間が見ている画像を、fMRIで測定した脳活動パターンのみで知覚内容を視覚化する機械学習を用いた手法を提案します。 提案手法では、画像を見
グーグルの高画質化技術「RAISR」、「Google+」で利用可能に--一部「Android」端末を対象
Googleが「Google+」の画像を対象に、「Rapid and Accurate Image Super-Resolution」（RAISR）と呼ばれる新テクノロジのロールアウトを開始した。RAISRを利用すれば、帯域幅をあまり使用せずに、画像を高解像度で表示することが可能になる。 先週より、一部の「Android」端末で、RAISRを適用した高解像度画像のGoogle+へのロールアウトが開始されている。Googleによると、同社はRAISRテクノロジを適用した大容量画像で、使用する帯域幅を最大75％削減することに成功しているという。 Googleは帯域幅の狭いモバイル端末に非常に鮮明な画像を提供する手段として、2016年11月にRAISRを発表した。 RAISRは機械学習を使って、低解像度画像の高品質版を生成することで、その画像が帯域幅を占拠することを回避し、より高速なダウンロード
機械翻訳と意味 - アスペ日記
ここ最近、Google翻訳がリニューアルされ、性能が向上したという話が流れてきたので、さっそく試してみた。 ぼくが真っ先に試したのは、「母は、父が誕生日を忘れたので、怒っている。」だ。 なぜこの文が気にかかっていたかは後述する。 結果は次の通り。 "My mother is angry because my father forgot her birthday." すばらしい。 では、「母は、父が鞄を忘れたので、怒っている。」はどうだろうか。 "My mother is angry because my father forgot his bag." 完璧だ！ 「誕生日を忘れた」の場合は「母の誕生日」と解釈し、「鞄を忘れた」の場合は「父の鞄」と解釈する。 これこそ、利用者が翻訳に求めるものじゃないだろうか。 しかし、ここまでだった。 次にぼくは、「父」と「母」を入れ替え、「父は、母が誕生日
ディープラーニングで既存の映像をありとあらゆる絵画テイストに自動で変換できる驚異のアルゴリズム
技術の進化が著しい「ディープラーニング」を使うことで、著名な画家の作風を認識し、別の映像をそのテイストに変換してしまうというアルゴリズムの開発が進められています。ドイツ・フライブルク大学コンピューターサイエンス学部のManuel Ruder氏らによる研究で行われた実際の変換の様子がムービーで公開されているのですが、その様子は驚きを禁じ得ないレベルに達しています。 Supplementary video for "Artistic style transfer for videos" - YouTube このアルゴリズムは、コンピューターサイエンティストのLeon A. Gatys氏らが2015年に発表していた論文の内容をさらに発展させたもので、素材となる映像に著名な画家の作風を反映させることができます。例えば、CGアニメ映画「アイス・エイジ」に、ゴッホの作品「星月夜」のテイストを掛け合わせ
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
【やじうまPC Watch】 あの「waifu2x」を超えた！？アニメに特化したAI超解像技術
合成背景に人が溶け込むよう照明を調節する技術 Googleが開発
【後藤弘茂のWeekly海外ニュース】 Armが機械学習専用プロセッサ「Arm ML」を投入へ
TechCrunch
【レビュー】 夢の「音声自動書き起こし」はもうすぐ実現!? Microsoftの「Video Indexer」を試す ～動画・録音の音声を自動でテキスト化し翻訳も
【イベントレポート】 HuaweiのAI内蔵CPU「Kirin 970」はスマホの進むべき道を示す重要な製品だ
TechCrunch