Search Results こちら

超幾何分布の理解

二項分布は、データサイエンスの内外でよく知られた分布ですしかし、あなたはその人気のないいところのいとこである超幾何分布について聞いたことがありますか？もしそうでない場合、この投稿をご覧ください...

PyTorchを使った転移学習の実践ガイド

この記事では、転移学習と呼ばれる技術を使用して、カスタム分類タスクに事前学習済みモデルを適応する方法を学びますPyTorchを使用した画像分類タスクで、Vgg16、ResNet50、およびResNet152の3つの事前学習済みモデルで転移学習を比較します

Machine learning

DeepMindのAIマスターゲーマー：2時間で26のゲームを学習

強化学習は、Google DeepMindの中核的な研究分野であり、AIを用いて実世界の問題を解決するための膨大な可能性を秘めています。しかし、そのトレーニングデータとコンピューティングパワーの非効率性は、重大な課題を引き起こしています。DeepMindは、MilaとUniversité de Montréalの研究者と協力して、これらの制限に対抗するAIエージェントを導入しました。このエージェントは、Bigger, Better, Faster（BBF）モデルとして知られており、わずか2時間で26のゲームを学習しながらAtariベンチマークで超人的なパフォーマンスを達成しました。この驚異的な成果は、効率的なAIトレーニング方法の新たな道を開き、RLアルゴリズムの将来的な進歩の可能性を解き放ちます。詳細はこちらをご覧ください：DataHack Summit 2023のワークショップで、最新のAI技術を使用して強化学習の信じられないほどの可能性を解き放ち、実世界の課題に取り組んでください。強化学習の効率課題強化学習は、複雑なタスクに取り組むための有望なアプローチとして長年認識されてきました。しかし、従来のRLアルゴリズムは、実用的な実装を妨げる非効率性に苦しんでいます。これらのアルゴリズムは、大量のトレーニングデータと膨大なコンピューティングパワーを要求し、リソースを消費し、時間を要します。また読む：強化学習の包括的なガイド Bigger, Better, Faster（BBF）モデル：人間を凌駕する DeepMindの最新のブレイクスルーは、Atariベンチマークでの卓越したパフォーマンスを発揮したBBFモデルから来ています。以前のRLエージェントはAtariゲームで人間を超えていましたが、BBFの特筆すべき点は、人間のテスターが利用可能な時間枠と同等の2時間のゲームプレイ内で、このような印象的な結果を達成したことです。モデルフリー学習：新しいアプローチ BBFの成功は、ユニークなモデルフリー学習アプローチに帰することができます。ゲーム世界との相互作用を通じて受け取った報酬と罰に依存することにより、BBFは明示的なゲームモデルを構築する必要を回避します。この簡素化されたプロセスにより、エージェントは学習とパフォーマンスの最適化に集中し、より迅速かつ効率的なトレーニングが可能になります。また読む：OpenAIとTensorFlowを使用した人間のフィードバックで強化学習を強化するトレーニング方法と計算効率の向上 BBFの急速な学習の成果は、いくつかの重要な要因によるものです。研究チームは、より大きなニューラルネットワークを採用し、自己モニタリングトレーニング方法を改良し、効率を向上させるための様々な技術を実装しました。特に、BBFは、以前のアプローチと比較して必要な計算リソースを減らすことができる、単一のNvidia A100 GPUでトレーニングすることができます。進歩のベンチマーク：RLの進歩のための足がかり…

Adobe Illustratorの「Generative Recolor」AIであなたの画像を変換しましょう

デザインソフトウェアの有名企業Adobeは、デザイナーとマーケターを強化する発表をしました。Adobe Illustratorの最先端のAI機能「Generative Recolor」を導入し、テキストプロンプトの助けを借りてグラフィックの色、テーマ、フォントを変換できるようになりました。この開発は、Adobeが旗艦デザイン製品に生成AI機能を統合することにコミットしたことを示しており、創造プロセスを革新しています。詳しくはこちら：DataHack Summit 2023で開催されるディフュージョンモデルのワークショップで、Generative AIの限りない世界を体験しましょう。 Generative Recolorでデザイン効率を向上させる Generative Recolorを使用することで、デザイナーはAdobe Illustrator上のデザインの色やフォントを簡単に更新でき、貴重な時間を節約できます。「平和的なパステル」「ネオンポップ」「秋の紅葉」などの説明的なプロンプトを利用すると、ユーザーは画像のユニークなバリエーションを生成できます。また、季節的なマーケティングや広告キャンペーンに合わせたカラーパレットを作成するためにも使用できます。AdobeのFirefly AIの力を借りて、Generative Recolorはテキストプロンプトに基づいてシーンやテーマのレンダリングを生成します。生成された画像からカラーパレットを抽出し、ユーザーのグラフィックにシームレスに適用するため、望むムードやテーマに応じて再色付けされます。また読む：Meta、画像用の「人工知能に似た」デザイナーAIを発表 Generative AI機能の拡大 Adobeの生成AIへの進出は、3月に導入されて以来、ユーザーがAdobeのテキストから画像を生成するAIツールを使用して、約2億枚の画像を作成しているという驚くべき成功を収めています。消費者からの関心の高まりに応えて、Adobeはエンタープライズ向けに生成AI機能を提供する計画を明らかにし、デザインの世界をさらに革新します。ただし、アーティストやAdobe株式貢献者からは、明示的な許可なしに彼らの作品をAdobeの生成AIモデルのトレーニングに使用すること、およびパブリックドメイン画像の利用に関する透明性の欠如に対する懸念が提起されています。イノベーションの促進とコンプライアンスの確保 Adobeは、これらの問題に対処するために、法的コンプライアンスと透明性への取り組みを強調しています。Adobeの国内AIモデルであるFireflyは、Creative Commons、Wikimedia、Flickr Commons、Adobe Stockからのパブリックドメイン画像でトレーニングされていますが、同社はエンタープライズ顧客が著作権侵害のクレームに関連する法的費用を補償することを保証しています。さらに、Adobeは、Fireflyの画像生成品質、解像度、詳細を向上させるために数百人の研究者を投資し、ビデオや3D生成モデルも開発しており、Adobe…

NVIDIA CEO：クリエイターは生成的AIによって「スーパーチャージ」されるでしょう

ジェンスン・ファウンダー兼CEOは、フランスのリビエラ地方で開催されたカンヌライオンズフェスティバルで、ジェンスン・ファウンダー兼CEOは、ジェンスン・ファウンダー兼CEOは、ジェンスン・ファウンダー兼CEOは、ジェンスン・ファウンダー兼CEOは、クリエイティブプロセスがコンテンツ生成において拡大され、コンテンツ生成はテキスト、画像、3D、ビデオであると述べました。「クリエイティブプロセスがコンテンツ生成において拡大され、コンテンツ生成はテキスト、画像、3D、ビデオであると述べました。「コンテンツ生成を規模化することができますが、無限のコンテンツは無限の創造性を意味しない」と彼は言いました。「私たちの考えを通じて、このAIをあなたの価値観とブランドトーンに合わせたコンテンツを生成するように誘導する必要があります。」このイベントには世界中のクリエイター、マーケター、ブランドエグゼクティブが参加し、Huang氏は、AIが7000億ドルのデジタル広告産業に与える影響について説明し、AIがクリエイターの能力を向上させる方法や、責任あるAI開発の重要性にも触れました。これらのツールは、人間の創造性の代替ではなく、アーティストやマーケティング専門家のスキルを補完して、クライアントの需要に応えるために、より迅速にコンテンツを生成し、異なる観客に合わせた複数の形式で提供することができます。ジェンスン・ファウンダー兼CEOは、「コンテンツ生成を民主化する」と述べています。クリエイティブ産業にとって、生成AIの主な利点は、コンテンツ生成を拡大することができることです。これにより、広告、マーケティング、映画に使用されるテキストやビジュアルのオプションを迅速に生成することができます。「過去には、媒体に基づいて数百種類の異なる広告オプションを作成していました。将来的には、回収するのではなく、数十億種類の異なる広告を生成することになります。しかし、それぞれが適切なトーンであり、ブランドにぴったりでなければなりません」とHuang氏は述べています。プロのクリエイターが使用するためのこれらのAIツールは、従来の方法でキャプチャされたコンテンツの基準を満たすか、それを上回る高品質のビジュアルを生成する必要があります。これらのツールは、アーティストやデザイナーが、AdobeやAutodeskなどの企業から提供される人気のあるツールで開発された資産を、生成AIを使用して開発された仮想世界と組み合わせることができるようにする、3Dの協業のためのUniversal Scene Descriptionフレームワークを参照し、資産とデザインを組み合わせることができます。 NVIDIA Picassoは、今年初めに発表されたカスタム生成AIモデルのファウンドリーであり、Adobe、Getty Images、Shutterstockなどのパートナーとの協力によって開発された、最高水準の画像、動画、3D生成AI能力もサポートしています。黄さんは、「私たちは、パートナーが、例えばGetty、Shutterstock、Adobeから適切にライセンスされたデータからトレーニングできるプラットフォームを作成しました。彼らはコンテンツの所有者に敬意を払っています。トレーニングデータはそのソースから提供され、その経済的な利益はクリエイターに還元されることができます。」と述べました。画期的な技術と同様に、AIの開発と展開は思慮深く行われることが重要だとRead氏とHuangさんは述べています。AIが生成した資産に透かしを入れる技術や、デジタル資産が改ざんされたかどうかを検出する技術は、これらの目標をサポートすることになります。「私たちは、AIの能力と同じくらいAIの安全性にも同じくらいのエネルギーを注がなければなりません。」とHuangさんは言いました。「広告の世界では、安全性はブランドアライメント、ブランドの誠実さ、適切なトーン、真実です。」デジタル広告のコンテンツエンジンに協力 Digital AdvertisingのリーダーであるWPPは、クリエイティビティとパーソナライゼーションを高めるツールとしてAIを受け入れ、業界全体のクリエイターが正しい消費者に向けた魅力的なメッセージを作成するのを支援しています。 Huangさんは、「クリエイティブプロセスから顧客まで、技術を理解する中間には必ず広告代理店が必要です。」と述べました。「その中間プロセスには、人間が必要です。あなたが代表するブランドの声を理解する必要があります。」 WPPのクリエイティブプロフェッショナルは、Omniverse Cloudを使用して、特定の製品デザインデータを使用して製品の物理的に正確なデジタルツインを作成できます。この実世界のデータは、AdobeやGetty Imagesなどのパートナーを通じてライセンスされたAI生成オブジェクトとデジタル環境と組み合わせることで、マーケティングコンテンツ用のバーチャルセットを作成することができます。…

一度言えば十分です！単語の繰り返しはAIの向上に役立ちません

大規模言語モデル（LLM）はその能力を示し、世界中で話題になっています今や、すべての大手企業は洒落た名前を持つモデルを持っていますしかし、その裏にはすべてトランスフォーマーが動いています...

PyTorchモデルのパフォーマンス分析と最適化—Part2

これは、GPU上で実行されるPyTorchモデルの分析と最適化に関する一連の投稿の第二部です最初の投稿では、プロセスとその重要な可能性を示しました...

SRGANs：低解像度と高解像度画像のギャップを埋める

イントロダクションあなたが古い家族の写真アルバムをほこりっぽい屋根裏部屋で見つけるシナリオを想像してください。あなたはすぐにほこりを取り、最も興奮してページをめくるでしょう。そして、多くの年月前の写真を見つけました。しかし、それでも、あなたは幸せではないです。なぜなら、写真が薄く、ぼやけているからです。写真の顔や細部を見つけるために目をこらします。これは昔のシナリオです。現代の新しいテクノロジーのおかげで、私たちはスーパーレゾリューション・ジェネレーティブ・アドバーサリ・ネットワーク(SRGAN)を使用して、低解像度の画像を高解像度の画像に変換することができます。この記事では、私たちはSRGANについて最も学び、QRコードの強化のために実装します。出典: Vecteezy 学習目標この記事では、以下のことを学びます: スーパーレゾリューションと通常のズームとの違いについてスーパーレゾリューションのアプローチとそのタイプについて SRGAN、その損失関数、アーキテクチャ、およびそのアプリケーションについて深く掘り下げる SRGANを使用したQRエンハンスメントの実装とその詳細な説明この記事は、データサイエンスブログマラソンの一環として公開されました。スーパーレゾリューションとは何ですか？多くの犯罪捜査映画では、証拠を求めて探偵がCCTV映像をチェックする典型的なシナリオがよくあります。そして、ぼやけた小さな画像を見つけて、ズームして強化してはっきりした画像を得るシーンがあります。それは可能ですか？はい、スーパーレゾリューションの助けを借りて、それはできます。スーパーレゾリューション技術は、CCTVカメラによってキャプチャされたぼやけた画像を強化し、より詳細な視覚効果を提供することができます。 ………………………………………………………………………………………………………………………………………………………….. ………………………………………………………………………………………………………………………………………………………….. 画像の拡大と強化のプロセスをスーパーレゾリューションと呼びます。それは、対応する低解像度の入力から画像またはビデオの高解像度バージョンを生成することを目的としています。それによって、欠落している詳細を回復し、鮮明さを向上させ、視覚的品質を向上させることができます。強化せずに画像をズームインするだけでは、以下の画像のようにぼやけた画像が得られます。強化はスーパーレゾリューションによって実現されます。写真、監視システム、医療画像、衛星画像など、さまざまな領域で多くの応用があります。 ……….. スーパーレゾリューションの従来のアプローチ従来のアプローチでは、欠落しているピクセル値を推定し、画像の解像度を向上させることに重点を置いています。2つのアプローチがあります。補間ベースの方法と正則化ベースの方法です。補間ベースの方法スーパーレゾリューションの初期の日々には、補間ベースの方法に重点が置かれ、欠落しているピクセル値を推定し、その後画像を拡大します。隣接するピクセル値が類似しているという仮定を使用して、これらの値を使用して欠落している値を推定します。最も一般的に使用される補間方法には、バイキュービック、バイリニア、および最近傍補間があります。しかし、その結果は満足できないものでした。これにより、ぼやけた画像が生じました。これらの方法は、基本的な解像度タスクや計算リソースに制限がある状況に適しているため、効率的に計算できます。正則化ベースの手法一方で、正則化ベースの手法は、画像再構成プロセスに追加の制約や先行条件を導入することで、超解像度の結果を改善することを目的としています。これらの技術は、画像の統計的特徴を利用して、再構築された画像の精度を向上させながら、細部を保存します。これにより、再構築プロセスにより多くの制御が可能になり、画像の鮮明度と細部が向上します。しかし、複雑な画像コンテンツを扱う場合には、過度の平滑化を引き起こすため、いくつかの制限があります。これらの従来のアプローチにはいくつかの制限があるにもかかわらず、超解像度の強力な手法の出現への道を示しました。…

Googleの安全なAIフレームワークを紹介します

今日、GoogleはSecure AI Frameworkをリリースし、協力してAI技術を安全に保護するのを支援します

プレイヤーの離脱を予測する方法、ChatGPTの助けを借りる

ゲームの世界では、企業はプレイヤーを引きつけるだけでなく、特にゲーム内のマイクロトランザクションに頼る無料のゲームでは、できるだけ長く彼らを保持することを目指していますこれらの...

Learn more about Search Results こちら - Page 102