僕の考えたメタバースの世界を実装してみる - Qiita
ABEJA Advent Calendarの13日目です。普段はABEJAにて機械学習のエンジニア的な事をやっております。過去にはVIPちゃんねるとか株AIとかを書いていた者です。ツイッター界では@peisukeという名前で活動しております。今回は深くて浅い訳があってメタバースネタでやってみます。前半のポエムが長くなりそうなので、先に流れを示しますと、以下になります。 僕がメタバースに関して思いついたこと Atomic Swapの技術について紹介 UnityとSolidityで僕の考えたメタバースの簡易版を作ってみた 先にネタを思いついてしまったものの、実はUnityとブロックチェーン、両方とも初めて触るので、あまり技術的に難しいことは出来ないですし、間違った事も言っているかもしれませんが、なるべく優しくしてね。2週間で頑張った！寝てない！ 追記0：僕の考えたは言い過ぎだった説もありつつ、
Deep Learningの各種タスクにおけるベンチデータセットとデータ数をまとめた - Qiita
ABEJAアドベントカレンダー2020の19日目の記事です。 この記事は何？ 結局AIって何個データ必要なの？ってよく聞かれると思います。 そんなん知るか この記事では、ある程度精度が出ている既存のタスクにおいて、どんなデータを、どのくらいの量与えているかを調べた結果です。ちなみに、僕自身、すべてのタスクを扱ったことがあるわけでは無いので、ほぼ一部適当な部分もあるかと思いますが、ご容赦ください。あと、このデータが入ってないよ！ってツッコミも歓迎です。 あと、技術は常に進んでいるので、ちゃんと最新技術を追っておけば、より少ないデータで良い結果を出すことが出来ないこともない。が、最新技術とはいえ銀の弾丸ではないのが通常で、例えlightweightGANがでたからと言って、100枚で学習できます！とか勝手に広がると困っちゃう。色んなタスクにおいて、まぁ大体どんなタスクも一般的にはこんなもんよっ
Multimodal Unsupervised Image-to-image Translationの簡単な解説 - Qiita
概要 ドメイン変換を行う際に、見た目を変えずにスタイルを変換する手法。既存手法でもドメインを変換するものはあったが、one-to-oneのマッピングであった。すなわち、犬を猫に変換しようとした時に、猫の種類は犬種に応じて決定的であった。これに対して、Multimodal Unsupervised Image-to-image Translation (MUNIT) を提案。MUNITでは、画像をdomain-invariantなコンテンツと、domain-specificなスタイルに分解する。コンテンツをキープしたまま、任意のスタイルをサンプルして合成することで、ドメインを変換する。 手法詳細 原理 ドメイン1の画像$x_1 \in \mathcal{X}_1$をドメイン2の画像$s_2 \in \mathcal{S}_2$に変換することを考える。ドメインを変換するために、ドメイン1用のエ
オリジナルC++ライブラリのOpenCVデータをPythonに渡す - Qiita
OpenCV Advent Calendarの21日目です。遅ればせながら投稿します。 本記事の概要 OpenCVを使った様々なC++コードをpythonで使いたい人は多いのではないでしょうか（少ない）。僕もその一人です。そこで本記事では、cv::Matであったり、std::vector<cv::Rect>みたいなデータをpythonにnumpy形式で渡せるようにします。もちろん単にC++のコードを呼び出すだけならば何も問題はありません。今回の肝は、普段OpenCVをPythonで使っているのと同じように、Matやvectorをnumpyに変換して渡す点です。 C++で書いたライブラリをpythonで呼べるようにする仕組みとしてはBoost.Pythonが有名ですが、Boost.PythonでC++のMatのような複雑なクラスを独自に変換しようとすると、かなり大変です。それに加え、Matだ
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
処理を実行中です
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
