Search Results on

「Amazon Comprehend を使用して有害なコンテンツを検出しましょう」

「オンラインコミュニティは、ゲーム、ソーシャルメディア、eコマース、デート、eラーニングなどの業界全体にわたり、ユーザーエンゲージメントを促進していますこれらのオンラインコミュニティのメンバーは、プラットフォームのオーナーに対して、安全かつ包括的な環境を提供し、自由にコンテンツを消費し、貢献できる信頼を寄せていますコンテンツモデレーターは、ユーザーが生成したコンテンツをレビューし、安全で遵守されているかをチェックするためにしばしば雇われています...」

「Llama2とAmazon SageMakerを使用したLoRAのファインチューニングモデルのモデル管理」

ビッグデータとAIの時代において、企業は競争上の優位性を得るためにこれらの技術を利用する方法を常に探求しています現在、AIの中でも最も注目されている分野の一つが生成AIですそしてその理由は十分にあると言えます生成AIは創造性や可能性の限界を押し上げる強力な解決策を提供してくれます

「Amazon SageMaker JumpStartでMistral 7Bを調整して展開する」

今日は、Amazon SageMaker JumpStartを使用してMistral 7Bモデルを微調整する機能を発表できることをお知らせいたしますAmazon SageMaker StudioのUIを使用して、数回のクリックでSageMaker JumpStartでMistralテキスト生成モデルを微調整して展開することができますまたは、SageMaker Python SDKを使用することもできます基盤となるモデルは生成タスクのパフォーマンスが非常に良いです、[…]

「PythonとSimpleITKを使用した3D医療画像データの処理方法」

日々、医療画像の問題に取り組んでいますこれにより、医療画像が持つさまざまな形式に対処することになりますこの記事では、常に扱っている3つのファイル形式について説明します私は...

データドック：GPT-4が私の1年目のPythonコーディング課題で成功した

GPT-4は一石二鳥で、コンピューターサイエンスの教授たちが提供し評価することができるクオリティのあるカリキュラムのやり方を完全に変えました私もその不運な魂の一つです — 私は作成し…

「Amazon Personalizeを使用してリアルタイムで個別のおすすめを実施しましょう」

基本的には、機械学習（ML）技術はデータから学習し、予測を行いますビジネスは、MLによる個別化サービスを活用して顧客体験を向上させるためにデータを利用しますこのアプローチにより、ビジネスはデータを活用して実行可能な洞察を導き、収益とブランドロイヤリティの成長を支援することができますAmazon PersonalizeはMLを用いたデジタルトランスフォーメーションを加速させます...

「Pythonによるロジスティック回帰のエラーのデバッグのベストプラクティス」

「ロジスティック回帰（LR）の基本についてはたくさんのことが書かれてきましたその多機能性や実績のあるパフォーマンス、基礎となる数学についてもしかし、LRを成功裏に実装し、デバッグする方法を知ることが重要です...」

「OpenAI API Dev Dayアップグレードは驚くべきものです：DALL-E 3、GPT-4 Vision、およびGPT-4 Turboのアクションをご覧ください」

OpenAIはAIの可能性を追求し続けています彼らは私たちが知っている最も能力のある大規模言語モデル、GPT-4を所有していますそして、それを使いこなしています！初めてのOpenAIデベロッパーデイの間に、彼らは...

この中国のAI研究は「Consistent4D」を紹介します：未キャリブレーションの単眼映像から4Dダイナミックオブジェクトを生成するための新しい人工知能手法

コンピュータビジョンの領域は、視覚的な入力から動的な3Dデータを解読するという基礎的で困難な課題に取り組んでいます。この能力は、デジタルコンテンツの制作、自律型車両のシミュレーション、医療画像の解析など、さまざまなアプリケーションにおいて重要です。しかし、一つの単眼のビデオ観察からこのような情報を抽出することは、動的な3D信号の複雑な性質のために困難な課題です。移動オブジェクトを再構築するための既存の多くの手法は、入力として同期したマルチビュー映像が必要であり、カメラをテレポートするなどの手法や準静的なシーンを使用した、効果的なマルチビューキューが豊富なトレーニングデータを前提としています。それにもかかわらず、これらの手法は、カメラレンズによってキャプチャされないシーンの要素を正確に再構築する際に困難に直面します。さらに、同期したカメラセットアップと正確なキャリブレーションに依存することは、これらの手法の現実世界での実用性を制限します。 CASIA、南京大学、および復旦大学による新しい研究は、2Dソースから4Dコンテンツを生成するために設計された画期的な方法であるConsistent 4Dを紹介しています。この手法は、テキストから3Dへの最近の進歩と画像から3Dへの技術向上を参考にしており、テール型のCascade DyNeRFを利用して動くオブジェクトを視覚化し、同時に事前トレーニングされた2D拡散モデルを使用してDyNeRFの最適化プロセスを制御します。その論文の中で述べられているように、主な課題は時間的な一貫性と空間的な一貫性の両方を保持することです。この課題に対処するために、研究者はトレーニングされたビデオ補間モデルに依存するインターポレーション駆動型の一貫性ロス（ICL）を使用し、空間と時間の両方にわたる一貫した監視信号の生成を可能にしています。特に、ICLロスの導入により、4D開発の信頼性が向上するだけでなく、3Dクリエーションにおける一般的な問題を軽減することができます。さらに、彼らは動的なNeRF生成ビデオを後処理するために、シンプルなビデオエンハンサーでトレーニングを行います。綿密なテストによる励ましの結果は、合成および実際のインターネットビデオの両方を含む、ビデオから4Dへの創造の未開拓の領域での有望な進展を示しています。

「関数をキャッシュしてPythonをより速くする：メモ化」

「Pythonで最も時間がかかるのは、高コストなプロセスを実行する関数やクラスメソッドの呼び出しです同じ引数でそのような関数を2回実行する必要があると想像してください; それは…」

Learn more about Search Results on - Page 18