「生成Deep Learning」は久しぶりにワクワクするAI関係の本だった - karaage. [からあげ]
「生成Deep Learning」を読みました 生成に特化したAIの本「生成Deep Learning」を読みました。 生成 Deep Learning ―絵を描き、物語や音楽を作り、ゲームをプレイする 作者:David Foster発売日: 2020/10/05メディア: 単行本（ソフトカバー） 独創力とは、思慮深い模倣以外の何ものでもない とは18世紀フランスの哲学者ヴォルテールの言葉とのことですが、AIによる模倣と創造の境界に関して考えさせられるような本でした。 本の内容は、オートエンコーダからはじまりGANでの画像生成、文章生成、音楽生成。アテンション、強化学習の世界モデルまでとタイトル通り生成系のAI技術を幅広くカバーしています。 結構骨太で、AIの本は1冊目という人が読む本ではなくて、何冊かAI関係の書籍を読んで、ある程度自分で実践して、生成系のAI（Auto Encoderと
![「生成Deep Learning」は久しぶりにワクワクするAI関係の本だった - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/0e716f3414d0fb9918c8f114d6308be989b9ecd8/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20201030%2F20201030014348.jpg)
2.3k{icon} {views} 複数のLLM（GPT/Claude3）とArxivの検索APIをRAGで統合し、論文サーベイの自動生成を作りました。検索結果の前処理や、サーベイ特有のプロンプトエンジニアリングやソートが重要で、最適化手法として古くからある巡回セールスマン問題（TSP）が有効に機能しました。また、生成部分ではGPTよりClaude3の明確な有効性を確認できました。 できたもの Arxivの検索APIを使って検索拡張生成（RAG）したらサーベイを自動生成できた やっていること Arxivの検索ワードをGPT-4-Turboで生成 ArxivのAPIを叩いてヒューリスティックでフィルタリング OpenAIのEmbedding APIを叩く Embeddingに対して巡回セールスマン問題（TSP）を解いてソートをかける 論文の要旨をGPT-3.5-Turboで要約 ソートした
Pythonではじめる教師なし学習
教師なし学習はラベル付けされていないデータから学習する機械学習の一種です。現在の機械学習では大量のラベル付きのデータを用いる教師あり学習が主流ですが、ラベルを付けるには膨大なコストがかかります。現実世界に機械学習を適用していくためには、ラベル付けを必要としない教師なし学習の重要性が増してくると考えられます。本書は実践的な視点から、データにある隠れたパターンを特定し、異常検出や特徴量抽出・選択を行う方法を紹介します。ラベルなしデータを有効に利用することで、機械学習の可能性を各段に広げる教師なし学習の本質に迫ります。さらに、変分オートエンコーダ（VAE）や敵対的生成ネットワーク（GAN）、制限付きボルツマンマシン（RBM）などの生成モデルも紹介します。 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた誤植や更新された情報を掲載しています。以下のリストに記載の年月は、正誤表を作成し、増刷書
今日は、@Jiny2001です。 国内でも悪用され初めてついに逮捕者が出たDeepFake。本記事はDeepFakeの総まとめです。 キーになる各技術の仕組みとしてStyleGAN, FaceSwap, StarGAN, Talking Headsについて解説してみました。何故AIがこれだけ進歩してきたのか、この技術部分の理解が超大事だと思ってます。気になるなら是非読んでみて下さい。 そして最後にちょっとだけ、今後のAI発展についての期待を書いてみました。 Too long; didn't read？ 1行で要約すると → DeepFake ぱねぇ です。 目次 DeepFake系技術の現状 DeepFakeの大まかな技術体系の解説 1) Face Synthesis: (StyleGAN) 2) Identity Swap: (FaceSwap) 3) Attribute Manipul
こんにちは、品川です。 学生さんが自分の研究の進め方に悩んでいるのを最近（通年）よく見ます。例えば、何をしたら新規性が出るのかとか、指導教員との研究議論や進捗報告のコミュニケーションがうまくいかないといったことです。 こういうところで苦しんだり悩むようになるのは成長の証でもあると思っていて、「ああ～～成長しているんじゃ～～もっと成長した姿を見せてくれ～～」と嬉しくなってしまいますが、具体的な行動としてどのような選択肢をとれば改善できるのかが頭にないと、ただ悩んだだけで何も解決しない可能性もあります。私もできた学生ではなかったので、学生時代ずいぶん四苦八苦していたのですが、そんな中で、私が学生時代に読んでいたor読みたかった書籍で特にためになった本を5冊紹介したいと思います。こういう方法もあるんだということを知ることで、この記事を読まれた学生さんの気持ちが少しでも楽になれば幸いです。 新規性
The characters are virtual YouTubers affiliated with Nijisanji and are © Ichikara, Inc. (see footnote) They have a very lenient guideline for derivative works which I have interpreted that official artworks can be used in the pursuit of hobbies as long as they are not sold or used for commercial purposes. In fact, there are fan-made games created using official materials. I think that what I'm doi
「奇妙な制度」をつくったら、意思決定の質もスピードも爆上がった話。｜Yuya Ishikawa /Gaudiy CEO
成長フェーズのスタートアップであれば、大小の差こそあれ、以下のような「意思決定にまつわる問題」を抱えているのではないでしょうか。 ・組織が大きくなってきて、意思決定のスピードが落ちてきた… ・関係者がぐんと増えて、尖った意思決定が思うようにできない… この問題に早めに手を打っておかなければ、スタートアップ的な成長が実現できなくなってしまう。意思決定の質とスピードを圧倒的に高める、魔法のような解決手段はないのか…？ そんな課題意識から生まれたのが、今回ご紹介する「蠱毒（こどく）」です。 名前だけ聞いても「？？」だと思いますが、簡単にいうと「限られた時間内に、ある課題やテーマに対して、参加者2名以上がディベート形式で解決策やプランを戦わせ、結論を出す」という意思決定プロトコルになります。 Gaudiyの「独自の組織づくり」については、PIVOTさんやSELECKさん、エンジニアtypeさんなど
はじめに こんにちは、Stackdriver担当者です。今年も残すところあと僅かとなってまいりましたがみなさんいかがお過ごしでしょうか。 2016年に買ってよかったもの - YAMAGUCHI::weblog 2017年に買ってよかったもの - YAMAGUCHI::weblog 2018年に買ってよかったもの - YAMAGUCHI::weblog 2019年に買ってよかったもの Anker PowerPort Atom PD 2 Anker PowerPort Atom PD 2(PD対応 60W 2ポート USB-C急速充電器)【PSE認証済/Power Delivery対応/GaN (窒化ガリウム) 採用/折りたたみ式プラグ】iPhone 11 / 11 Pro / 11 Pro Max、Galaxy S10 / S10+、MacBook、その他USB-C機器対応 (ホワイト) 出
達人出版会
探検! Python Flask Robert Picard, 濱野 司(訳) BareMetalで遊ぶ Raspberry Pi 西永俊文 なるほどUnixプロセス ― Rubyで学ぶUnixの基礎 Jesse Storimer, 島田浩二(翻訳), 角谷信太郎(翻訳) 知る、読む、使う！ オープンソースライセンス 可知豊 きつねさんでもわかるLLVM 柏木餅子, 風薬 デザインディレクション・ブック 橋本 陽夫 現場のプロがやさしく書いたWebサイトの分析・改善の教科書【改訂3版 GA4対応】 小川 卓 解釈可能なAI Ajay Thampi(著), 松田晃一(翻訳) PowerPoint 目指せ達人 基本&活用術 Office 2021 & Microsoft 365対応 PowerPoint基本＆活用術編集部 ランサムウェア対策 実践ガイド 田中啓介, 山重徹 TODによるサステナ
・ネットを巡回して、いろいろなハックしてる人のブログや論文を100個ぐらい読む。 ・親切なPFNの人にお時間もらって、謎だった部分や、自分なりにたてた仮説のコンセプトをきいてもらう。 ・Udemyがちょうどセールをしてたので、AI系のクラスを3万円分購入（総額20万円相当）。2倍速でざっくり見る。 …だいたいこんな感じの3週間。数学が難しすぎて、わからないこともいっぱい。ただ頭のなかでe4eエンコーダやpix2pix的に、概念モデルのエンコーダーを作れば、数式なしでもいける感はあった。 総論としてはAIは面白いですね、ロケットサイエンスと別の方向性で「言語化されてない職人芸のアート領域」があり、ここを抑えることができれば、最先端の発見や成果は色々とうまってそうという印象を受けました。 とりあえずStyleGan2で基礎勉強をしながら、BigGan、VQGanとProblematic Dif
第一位 Focal Loss for Dense Object Detection 物体検知のためのFocal Loss これは不均衡データに対処するための損失関数Focal Lossを提案した論文なのですが, とにかくそのシンプルさにやられました. 画像のFLの式を見てください. たったこれだけです. ptは正解ラベルに対する予測値なのですが, ptが大きければ大きいほど損失値をしっかり抑えられるように設計された関数となっています. 正解ラベルに対して0.6と予測するサンプルを学習に重要視せず, 0.3とか0.1とか予測しちゃうサンプルにしっかりと重要視するのです. 自分も7月くらいまでは不均衡データに関する研究していたのですが, 自分が考えた多くのアイディアが結局Focal Lossの下位互換に帰結してしまうのです. しかもこの損失関数の汎用性は非常に高く, あらゆるタスクに入れること
こんにちはこんばんは、teftef です。今回は CyberAgent より、生成モデルから生成された画像の品質評価に関する論文です。近年の画像生 AI の発展によって、『高品質』な画像が生成できるようになりました。しかしよくよく考えてみると『高品質』というのは何でしょうか？人間の好みが違いをどのように評価するのでしょうか？今回はそこについて軽く書いていきます。 私もまだ初学者であり、説明が間違っていたり勘違いがある可能性が 0 ではないということをご了承ください。ぜひコメントなどをいただけたら幸いです。(ちなみにサムネはnijijyourney を用いて、評価指標、統計学、 --ar 3:2のように関連キーワードで作ってます) それでは行きます。 論文今回参考にさせていただいた論文はこちら 画像生成 AI の評価 近年の Stable Diffusion や Midjourney など
Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold
Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold Abstract Synthesizing visual content that meets users' needs often requires flexible and precise controllability of the pose, shape, expression, and layout of the generated objects. Existing approaches gain controllability of generative adversarial networks (GANs) via manually annotated training data or a prior 3D
米国でAIフリーランスとして独立して1年が経った
この記事は、私が米国で AI フリーランスとして独立してからちょうど一年が経った 2020年2月 に書いた My First Year as a Freelance AI Engineer という記事を、自分で日本語に翻訳し、その後数ヶ月に起こったことを踏まえて加筆・訂正したものである。 シアトルにある WeWork Labs はじめに 今週をもって、フルタイムの仕事を退職し、ML（機械学習）と NLP（自然言語処理）を専門とするエンジニア・研究者（以下では単に「AI エンジニア」と呼ぶ）として独立してからちょうど１年が経った。これまでのところ、独立してとても良かったと思っているし、自分の仕事人生の中でもかなり生産的な１年だったと思う。ここ１年で、以下をはじめとする様々な成果を上げることができた： 書籍 “Real-Word Natural Language Processing” の執筆
Happiness is Mandatory. Citizen, are you happy? 幸福は義務です。市民、あなたは幸福ですか？ ――これは1984年にリリースされ、いまなお全世界で多大な人気を博している、近未来ディストピアSFをテーマにしたゲーム「パラノイア」におけるもっとも有名なフレーズである。市民社会を支配するコンピューターが、市民に対して疑心暗鬼になり、誇大妄想に基づいて自身が求める感情的・行動的規範に応じない者を「反逆者」とみなし、処罰する世界が舞台となっている。 しかしながら、「事実は小説より奇なり」とはよくいったものだ。フィクションの世界ではなく、私たちの現実社会でもあるひとつの観念が、まさしく「義務」に変わろうとしているからだ。 ただし、私たちの現実において義務化されるのは「幸福」ではない。私たちが「アフター・コロナの世界」で直面するのは、すなわち「Healthi
読むだけで買った気分になるのでお得です はてなブログでは、2021年12月24日から2021年1月7日にかけて、今週のお題「買ってよかった2021」として皆さんの投稿を募集しました。 年間の振り返りとして幅広く公開される「買ってよかったもの」。はてなブログには、自身のライフスタイルに変化をもたらした逸品を紹介する記事や、それぞれのはてなブロガーらしい生活や価値観が垣間見える投稿が数多く寄せられました。 はてなブロガーたちによる渾身のエントリーの中から、週刊はてなブログ編集部がおすすめしたい選りすぐりの9記事を紹介します。 なくてはならない自転車・TOKYO BIKE「BISOU26」 生活用品やキッチン用品など 買ってよかったもの12選 Kneipp の入浴剤で生活の質が爆上がり Apple「24インチiMac」を起点に整った作業環境 「ソファベッド」との運命の出会い ついに買った「ブック
9名のKagglerの方にアンケートにご協力いただき、2020年に面白かったコンペと論文を教えていただきましたのでその結果を紹介します。 2020年も数多くのデータ解析コンペが開催され、興味深い論文が多く発表されました。 昨年公開した「Kaggle上位ランカーの5人に聞いた、2019年面白かったコンペ12選と論文7選」は現時点で20,000人を超える方にご覧いただき、Kaggleを始めとするデータ解析コンペへの関心が非常に高まっていると感じました。 そして本年も9名のKagglerの方にアンケートにご協力いただき、2020年に面白かったコンペと論文を教えていただきましたのでその結果を紹介します。 (1)回答いただいたKaggler9名のご紹介 まずは今回のアンケートに回答いただいたのは以下9名のKagglerの方です。 aryyyyyさま(@aryyyyy221) カレーちゃんさま(@cu
【2024年4月最新】映画ファンが「もう配信されてる」と感激！Amazonプライムビデオで観られるオススメ洋画194本 | FILMAGA（フィルマガ）
アマゾンプライムで配信中のおすすめの洋画192本をピックアップ！ 『TAR/ター』や『オペレーション・フォーチュン』、『ワイルド・スピード／ファイヤーブースト』など、話題の人気作やアカデミー賞受賞作までご紹介します。 映画セレクト基準は？ 本記事で紹介する映画は、国内最大級の映画レビューサービス「Filmarks（フィルマークス）」のレビューやスコアなどのデータに基づいています。 ※本ページにはプロモーションが含まれています。 ※以下、2024年4月追加分（2本） 『ソニック・ザ・ムービー／ソニック VS ナックルズ』（2022） 平穏な生活が戻ったグリーンヒルズで夜ごと勝手に街を守り続けているソニックの願いはただひとつ―「本当のヒーローになりたい！」そんな折、再び世界に暗雲が立ち込める。ドクター・ロボトニックが銀河系で最も危険な戦士ナックルズを引き連れて帰ってきたのだった。彼らは、史上最
画像拡大ならkakudaiAC
汚い画像は、イメージが悪くなりますのでご注意ください。 画像をそのまま拡大すると、ほとんどの場合、画像が汚くなってしまいます。汚い画像は、あなたのイメージを損ねてしまうことに繋がりかねません。最新の人工知能技術を駆使したkakudaiACを使えば、美しい画質のまま画像を拡大することができます。 拡大サイズは、2倍・4倍・8倍・16倍の中から自由にお選びいただけます。ノイズ除去やシャープ機能も設定が可能です。 ESRGANを用いた超解像AIにより、高解像度の画像を生成します。 従来の画像編集ツールを使った画像の拡大では、ぼやけたりノイズが入ったりするなど、品質が低下します。これを修正するには多くの時間と人的リソースを必要とします。 拡大ACでは、ESRGANというディープラーニングを使ったAIモデルにより、写真の細かな部分を自動で生成し、品質を損なうことなく、最大16倍にまで写真を拡大します
このコーナーでは、2014年から先端テクノロジーの研究を論文単位で記事にしているWebメディア「Seamless」（シームレス）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。 Twitter: ＠shiropen2 米ライス大学と米スタンフォード大学に所属する研究者らが発表した論文「Self-Consuming Generative Models Go MAD」は、AIが生成した画像（合成データ）を用いて別の生成モデルが学習し続けると、その精度にどのような影響がでるのかを検証した研究報告である。 結果は、AIモデルを合成データでトレーニングすると、画像が乱れるアーティファクトが徐々に増幅され、品質や視覚的多様性のいずれにおいても悪化する結果を示した。研究チームは、この状態を狂牛病になぞらえて「Model Autophagy Disorder」（モデル自
【記事更新】私のブックマーク「反実仮想機械学習」（Counterfactual Machine Learning, CFML） – 人工知能学会 (The Japanese Society for Artificial Intelligence)
Home » リソース » 私のブックマーク » 【記事更新】私のブックマーク「反実仮想機械学習」（Counterfactual Machine Learning, CFML） 反実仮想機械学習（Counterfactual Machine Learning, CFML）齋藤 優太（東京工業大学） はじめに機械学習の応用において，反実仮想（Counterfactual）─起こり得たけれども実際には起こらなかった状況─についての情報が得られるとうれしい場面が多くある．例えば，「今動いている推薦アルゴリズムを仮に別のアルゴリズムに変えたときにコンバージョン率はどれくらいになるだろうか？」や「あるユーザに仮にクーポンを与えた場合に離反率はどれくらい減少するだろうか？」などの実務現場でよくある問いに答えるためには，反実仮想についての情報を知る必要がある． 反実仮想機械学習（CFML）とは，因果効果
本記事はABEJAアドベントカレンダー2022の17日目の記事です！昨日に引き続き担当の古川です！ 昨日の予告通り生成AIによるAI生成物の著作権と倫理の話です。 生成AIと言っても主に念頭に置いているのは画像生成AIです（議論の発端自体はmimicやMidjourneyです。）。ただ、他のコンテンツを生成するAIにも基本的には同じ理論が当てはまるかと思います。 サマリ 著作権の話 論点整理 生成物の著作権 なぜ著作権を認めたいのか 生成物による著作権侵害 呪文の著作権 AI倫理の話 画風をパクる 仕事の喪失 サマリ やや法律的な専門的な話も含まれるので、結論だけ知りたい人のために、サマリだけ先に。 今主流の乱数やPromptから画像などを作ってくれる生成AIによるAI生成物には著作権が原則として発生しないです。 Promptの呪文の著作権が議論されることがありますが、議論の実益があるのか
達人出版会
探検! Python Flask Robert Picard, 濱野 司(訳) BareMetalで遊ぶ Raspberry Pi 西永俊文 なるほどUnixプロセス ― Rubyで学ぶUnixの基礎 Jesse Storimer, 島田浩二(翻訳), 角谷信太郎(翻訳) 知る、読む、使う！ オープンソースライセンス 可知豊 きつねさんでもわかるLLVM 柏木餅子, 風薬 R／RStudioでやさしく学ぶプログラミングとデータ分析 掌田津耶乃 データサイエンティストのための特徴量エンジニアリング Soledad Galli(著), 松田晃一(訳) 実践力をアップする Pythonによるアルゴリズムの教科書 クジラ飛行机 スッキリわかるサーブレット＆JSP入門 第4版 国本 大悟(著), 株式会社フレアリンク(監修) 徹底攻略 基本情報技術者教科書 令和6年度 株式会社わくわくスタディワール
アンカー充電器GaNPrimeシリーズ発表。「ポートを気にせず繋げばOK」な便利仕様 | テクノエッジ TechnoEdge
PCとキーボードやディスプレイなどの周辺機器、スマートフォン、シューティングゲームなどを好むおじさん。隙あれば出オチやネタ、製品にまつわる余談やいい話を組み込もうとして記事が長くなる程度の能力を持つ。アイコンは漫画家『餅月あんこ』先生の筆による似顔絵です。� USB充電器（ACアダプタ）やモバイルバッテリーの大手であるアンカー・ジャパンが、現行モデルに比べてさらなる小型化と複数ポート化を図った新しいACアダプタシリーズ『GaNPrime』（ガンプライム）の6モデルを発表、1モデルを予告しました（上写真は、最大出力120Wモデル）。 これは、同社がこれまで比較的慎重だった「最大出力100W以上」「多ポート出力」といった仕様を本格的に導入し、加えてさらなる安全性を追求したシリーズ。名称の通り、GaN（窒化ガリウム）ベースのパワー半導体を搭載した高級（Prime）モデルです。 ▲記者説明会で展示
この記事は、GitHub Blogに4月7日に掲載された「What developers need to know about generative AI」の翻訳記事です。 昨今のニュースを席捲する「生成系AI（Generative AI）」ですが、厳密にはどのようなものでしょうか？ 生成系AIについて知っておくべきこと、また開発者にとってどのような意味を持つのかについて説明します。 皆さんはこれまでに、ChatGPT、DALL-E、GitHub Copilotといった生成系AI（人工知能）ツールについて聞いたことがあるかと思います。生成系AIツールを利用すると、メールの件名からプログラミングコードの関数、アートに至るまで、誰でも瞬時にコンテンツを作成できるため、幅広い関心を集めています。 様々な業界のコンテンツ制作に革命をもたらす可能性があることから、生成系AIとは何か、どのように利
はじめに 2020年も，機械学習コミュニティでは多くの新しい成果が見られました．2019年に引き続き，1年を振り返ってもっとも面白かった論文を10本紹介したいと思います． * 本記事は，私のブログにて英語で書いた記事を翻訳し，適宜加筆修正したものです． ** 記事中の画像は，ことわりのない限り対象論文からの引用です． 論文10選（公開順） 普段から，読んだ論文を簡単にまとめてツイートしているので，それを使って公開日順に振り返っていきます．対象はおおまかに「2020年に公開された論文」と「2020年に学会・雑誌で発表されたもの」とします．全くの主観で選んでいるので，私の興味範囲である深層学習および応用研究に偏っている点はご容赦ください． 紹介するのはこちらの10本です！ Rigging the Lottery: Making All Tickets Winners PIFuHD: Multi
＜目次＞ はじめに 第1回：コンピュータビジョン編 第2回：自然言語処理編 第3回：強化学習編 第4回：実務応用編 次回予告 1. はじめに GAN（敵対的生成ネットワーク）講座 現場で使える XAI（Explainable AI）講座 現場で使える自然言語処理実践講座 ディープラーニング最新論文対策講座 スキルアップAIでは、上記の4講座を始めとして、現在、そしてこれから注目されるであろう最先端の機械学習/ディープラーニング技術に関する講座を開講しております。このような講座を開講していく中で、スキルアップAIの講師陣が注目している最先端技術をぜひ知りたいというお声を多くいただきました。 そこで、自動機械学習（AutoML）を専門としICMLなどのトップカンファレンスへの論文採択経験もある斉藤と、需要予測・異常検知など様々な分野で機械学習/ディープラーニングの産業応用に取り組んできた小縣が
なぜGoogleはKotlinが広まり始めたのにまた別のFlutter (Dart) を広めてるんですか？今からAndroidやるにはReactNative等含め、どの手法が良いと思いますか？
回答 (5件中の1件目) Flutterの公開(2017年5月12日)は、GoogleによるKotlinのAdroid開発言語への採用(2017年5月17日)より僅かに前です。Dartの公開(2011年11月)は、Kotlinの公開(2011年7月)より僅かに後ですが、Androidの開発言語へのKotlin採用よりもずっと前のことです。より重要なことは、Kotlinと異なり、FlutterもDartもGoogle謹製であり、Googleによって広めるために生まれてきたことです。従って、Googleが今になってまた別のものを広めている、という認識は的を得ていないと思います。 ここで、F...
こんにちは。サービス開発室の武田です。このエントリは、2018年から毎年公開しているAWS全サービスまとめの2024年版です。 こんにちは。サービス開発室の武田です。 このエントリは、2018年から毎年公開している AWS全サービスまとめの2024年版 です。昨年までのものは次のリンクからたどってください。 AWSにはたくさんのサービスがありますが、「結局このサービスってなんなの？」という疑問を自分なりに理解するためにまとめました。 今回もマネジメントコンソールを開き、「サービス」の一覧をもとに一覧化しました。そのため、プレビュー版など一覧に載っていないサービスは含まれていません。また2023年にまとめたもののアップデート版ということで、新しくカテゴリに追加されたサービスには[New]、文章を更新したものには[Update]を付けました。ちなみにサービス数は 247個 です。 まとめるにあ
アップルがマルチモーダル大規模言語モデル「Ferret」を公開。画像内の形や場所を言葉で説明（生成AIウィークリー） | テクノエッジ TechnoEdge
2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間分の生成AI関連論文の中から重要なものをピックアップし、解説をする連載です。第16回目はアップルが初登場。マルチモーダルのLLM「Ferret」を投入しました。合わせて5つの論文をまとめました。 生成AI論文ピックアップ画像内の形や場所を言葉で説明するAI「Ferret」 Apple含む研究者らが開発 画像から高品質なコードを生成できるオープンソースのAIモデル「LLaVA-1.5」 Microsoft含む研究者らが開発 低解像度画像の学習だけで、高品質な高解像度画像（4K）を生成 中国テンセント含む研究者ら「ScaleCrafter」開発 ブラウザ上で可能 5枚ほどの顔写真からAI顔写真を生成するWebUIプラグイン「EasyPhoto」
Zero-shot Learning網羅的サーベイ：CLIPが切り開いたVision & Languageの新しい世界 - エクサウィザーズ Engineer Blog
こんにちは！ 画像システムグループで機械学習エンジニアをやっている小島です。 この記事では、今ホットな「Zero-shot Learning」と「Vision & Language」に関する最新情報を、CLIPという研究を起点として網羅的にサーベイをしていきます。このために論文1000本に目を通し、70本程度を記事にしました。 Zero-shotやVision & Languageは、Stable Diffusionに代表される画像生成AIとも密接に関連している技術です。この記事を通して、Vision & Languageの奥深い世界を体感できるでしょう。 注意事項 この記事は非常に長いため、全部読むのに1時間以上かかる可能性があるので、休憩を取りながら、または必要な部分だけ読んでください。各セクションを個別に読んでも問題ありません。 また、文章中の画像は、特別な記載がない限り、引用元の論
【異常検知】異常原因を特定する - Qiita
異常検知は、正常データだけで学習できる製造業で人気のある手法です。 そして、異常検知で異常を検出したとして、「異常原因を特定したい」という 要望もよく聞かれます。 そこで、本稿では、複数のセンサが付いた異常検知システムにおいて、 異常が発生した場合に、どのセンサが異常値を示しているのかを特定する 方法を検討します。 ※コード全体はこちらに置きました。 ※こちらはPythonデータ分析勉強会#17の発表資料です。 きっかけ 以前に、こんな内容をツイートしたところ、皆さん興味をお持ちのようでした。 昨日、JFEスチールの製造ラインで異常検知する話しを聞いた。 ・数十個にわたるセンサで常時監視 ・異常検知の制約は、異常のみならず異常原因も特定する ・センサは相関が強いものだけを取り出し、主成分分析だけで異常検知 ・これによりコストと納期を大幅に削減 ー続くー — shinmura0 @ 3/14
X（Twitter）上のハッシュタグ『#2023年映画ベスト10』を集計しました！有効投票4457名が選んだ2023年最高の映画は『ガーディアンズ・オブ・ギャラクシー：VOLUME 3』でした！ 1位：ガーディアンズ・オブ・ギャラクシー：VOLUME 3 ジェームズ・ガン監督がベスト1を獲得するのは2021年の『ザ・スーサイド・スクワッド “極”悪党、集結』以来、アベンジャーズなどを描くMCUの映画がベスト1を獲得するのは2019年の『アベンジャーズ/エンドゲーム』以来です。そして本作はGOTGシリーズ3作目で、MCUシリーズ32作目でもあります。ここまで作品数が多いとついていけない人が多そうですが、本作は動物キャラを主役にして、心動かされる悲しいストーリーを主軸にしたのが勝因です。 またジェームズ・ガン監督の「悪趣味で不健全だけど道徳は守る」という絶妙なバランス感覚も、映画ファンにはピッ
損失関数・不均衡 不均衡データにおけるsampling ランク学習のListNetをChainerで実装してみた 不均衡データへの決定打となるか！？「Affinity loss」の論文を読む、実装する 不均衡データを損失関数で攻略してみる 解説編：オーバーサンプリング手法解説 (SMOTE, ADASYN, Borderline-SMOTE, Safe-level SMOTE) LightGBMでランキング学習 半教師あり学習のこれまでとこれから Struggling with data imbalance? Semi-supervised & Self-supervised learning help! 深層学習 転移学習：機械学習の次のフロンティアへの招待 ディープラーニングの判断根拠を理解する手法 DNC (Differentiable Neural Computers) の概要 +
今回紹介するのは、画像生成AI、GAN（敵対的生成ネットワーク）の中身を詳しく調査したという研究です。最近のGANは人でも本物の写真かどうか見間違うほどの性能を発揮しますが、GANがどのように『描いている』かを可視化した結果、簡単には説明できないような描画スキルを獲得していることがわかってきました。(※1) 論文 https://openreview.net/forum?id=Hyg_X2C5FX (1) AIの中身 先週、日本政府がまとめた人工知能（AI）に関する原則が明らかになったと日経新聞が報じました(※2)。AIの社会浸透は急激に進んでいますが、その判断過程がブラックボックスのまま使われることを国、あるいは国際的な枠組みである程度規制するとともに、AIの中身を専門家でなくても理解しやすくするための研究開発が進められています。 今回扱うのはGANを使った画像生成AIです。以前AI-S
2019年も様々なデータサイエンス関連のコンペが実施され、論文が発表されました。その中でも面白かったものはどれか、5人のkagglerの方に直接お伺いしました。 2019年はTellusxSIGNATEで実施された衛星データコンペの解説(第1回・第2回)が、データサイエンティストの方に読んでいただいた宙畑のヒット記事としてランクイン。 では、データサイエンティストの方は他にどのようなコンペや論文に興味を持たれていたのか……と気になった宙畑編集部。 今回、以下5名のKagglerの方に協力いただき、2019年の振り返りとして面白かったコンペと論文、そしてその理由を教えていただきました。 あきやま様(@ak_iyama) jsato様(@synapse_r) Hiroki Yamamoto様(@tereka114) smly様(@smly) ※順不同 ※1名、非公表 Kaggleについては「世
本記事の目的 もともと本業でデータサイエンスやディープラーニングを扱っていたわけでもなく、ディープラーニング周りは「なんとなく知っている」という状態。ちゃんと勉強したいと思いながらもなかなか手が出ず、モデル実装の経験もない。 上記の状態から、この1年間くらいでやっと、初めてディープラーニング実装の経験をするところまでたどり着いた。とりあえずデータサイエンスの入口に立てた（かもしれない）ということで、整理のためここまで取り組んできたことをまとめてみた。 これから勉強を始める、誰かのために役立てば嬉しい。 ＜画像ディープラーニングの始め方＞ ◇ ステップ1. 画像系AIの全体像を把握する ◇ ステップ2. 画像分類を実装してみる ◇ ステップ3. 理論をフォローアップする ◇ ステップ4. 実装の経験を積む ステップ1．画像系AIの全体像を把握する とりあえず初心者向けの書籍や動画などを見て全
・増田も小池都知事不支持のフェミニストだ。ツイフェミ（＝Twitterで活動するフェミニスト）の中で、支持している人だっている。だが、ニュースの本文を読まずに騒いでいる一部のツイフェミ・はてフェミとは一緒にされたくない。 ・「不健康な卵子はいらないということか」「優生思想だ」てな反応は本当に勘弁してくれ。見出ししか読んでいないのか？頼むから本文を読んでくれ。Twitterならシェアする前に「まず記事を読んでみませんか？」と警告が出るだろう？それなのに読んでいないのか？それとも読んだのに理解できなかったのか？ ・NHKニュースの本文ではこう書かれている：https://www3.nhk.or.jp/news/html/20221209/k10013918281000.html "小池知事は記者会見で「少子化は大きな問題だ。女性への支援の充実という観点から、将来の選択肢としての卵子凍結について
はじめに 今回は強化学習編として、Transformer/BERTの発展モデルや新たな学習法・正則化方法の提案に関する内容などの最新論文を7本ご紹介します！著者実装が公開されているものは、その情報も併せてまとめました。論文は自動機械学習（AutoML）を専門としICMLなどのトップカンファレンスへの論文採択経験もある斉藤と、需要予測・異常検知など様々な分野で機械学習/ディープラーニングの産業応用に取り組んできた小縣が中心となってスキルアップAI講師陣にて厳選しました。ぜひ、今後の学びにご活用ください！ CoBERL: Contrastive BERT for Reinforcement Learning 実装のURL：https://github.com/deepmind/dm_control 強化学習における新たなエージェント「Contrastive BERT for Reinforce
画像生成したらコラージュだった件
本記事は、画像生成AI Advent Calendar 2022 15日目を埋める記事です。 はじめに 画像生成AIは、学習した画像をコラージュした画像を出力しているのではないか、という議論があります。多くのモデルは勝手に収集した画像で学習（訓練）されているため、そのようなコラ画像が生成されていたら大問題です。 上の図を見てください。この図は、今月投稿された論文 [1] Diffusion Art or Digital Forgery? Investigating Data Replication in Diffusion Models [Gowthami Somepalli+, arXiv 2022] の図です。上段がStable Diffusionの生成画像、下段が訓練データのサブセット（LAION Aesthetics v2 6+）中で一番似た画像です。生成画像の一部またはほぼ全部が
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
Arxiv RAGによる論文サーベイの自動生成 | Shikoan's ML Blog
DeepFake技術解説 人を超えるAIを作るには - Qiita
研究で詰まっている時におススメな本 - Seitaro Shinagawaの雑記帳
Talking Head Anime from a Single Image
2019年に買ってよかったもの - YAMAGUCHI::weblog
いまさら勉強する人工知能｜深津 貴之 (fladdict)
2019年、俺の読んだ論文50本全部解説(俺的ベスト3付き) - Qiita
CyberAgent より、画像生成タスクにおける新たな評価指標の提案｜teftef
「コロナ後の世界」に忍び寄る「健康・健全ディストピア」（御田寺 圭） @gendai_biz
「買ってよかった2021」まとめ | 生活を変えた逸品が盛りだくさん！ - 週刊はてなブログ
Kaggleランカーの9人に聞いた、2020年面白かったコンペ9選と論文9選 | 宙畑
画像生成AIに“AIが作った画像”を学習させ続けると？ “品質や多様性が悪化” 「モデル自食症」に
AI生成物と著作権とAI倫理 - ABEJA Tech Blog
生成系AIについて開発者が知っておくべきこと | gihyo.jp
2020年のおもしろかったDL/ML論文10選 - Qiita
【AI最新論文】2022年に読むべき「機械学習/ディープラーニングの最新論文」30選 - Qiita
【2024年】AWS全サービスまとめ | DevelopersIO
2023年の映画ベスト100 ネット投票を集計しました - 破壊屋ブログ
機械学習・アルゴリズム関連まとめ - Qiita
「なぜここまで賢くなるのか説明不可能」 ―画像生成系AI、GANを例にして
Kaggle上位ランカーの5人に聞いた、2019年面白かったコンペ12選と論文7選 | 宙畑
画像ディープラーニングの始め方（画像系AIの概要理解からUdemy受講, E資格取得まで） - Qiita
ツイフェミよ、頼むから本文を読んでから卵子凍結を批判してくれ
【強化学習編】2022年に読むべき「機械学習/ディープラーニングの最新論文」30選 - Qiita