Search Results Wikimedia

「Muybridge Derby AIによる動物の運動写真の活性化」

「Muybridge Derby MidjourneyとRunwayMLを使用して、Eadweard Muybridgeの写真シーケンスをAIとMLを使って高解像度の動画に変換する方法」

『事実と数字で語るタイタニックの物語』

「こんにちは！私はアリーナです今日は有名なタイタニックの物語について掘り下げていきますタイタニックの物語をデータサイエンスと結びつけて、その事実と数字を見ていきましょうさあ、1912年に戻ってみましょう…」

人類の文章の誕生は、歴史の夜明けを告げ、過去の文明と私たちが今日生きている世界の理解に不可欠です例えば、約2,500年前、ギリシャ人は石、陶器、金属に書き込みを始め、借用契約や法律、カレンダーや神託など、地中海地域に関する詳細な情報を記録しました残念ながら、これは不完全な記録です多くの保存された碑文は、数世紀にわたって損傷を受けたり、元の場所から移動されたりしていますさらに、放射性炭素年代測定などの現代の年代測定技術は、これらの資料には使用できないため、碑文の解釈は困難で時間がかかります

research

データサイエンスにおけるキャリアキャピタルを構築するために非常に過小評価されている方法

もちろん、LinkedInはプロフェッショナルなネットワークを構築するための素晴らしい方法であり、ポートフォリオはあなたが行った素晴らしい仕事を紹介するための素晴らしい方法ですしかし、もし誰もあなたのポートフォリオのリンクをクリックしない場合や、あなたがポートフォリオを持っていない場合、

TaatikNet（ターティクネット）：ヘブライ語の翻字のためのシーケンス・トゥ・シーケンス学習

この記事では、TaatikNetとseq2seqモデルの簡単な実装方法について説明していますコードとドキュメントについては、TaatikNetのGitHubリポジトリを参照してくださいインタラクティブなデモについては、HF Spaces上のTaatikNetをご覧ください多くのタスク...

ディープラーニングが深く掘り下げる：AIがペルー砂漠で新しい大規模画像を公開

日本の山形大学の研究者たちは、ペルーのリマから南に車で7時間のナスカで、地球上に描かれた画像である地上絵の4つの未発見の作品をAIを用いて発見しました。幅が1,200フィートにも及ぶものもあり、地上の要素を使って作られたものです。これにより、従来の考古学的手法よりも発見プロセスを大幅に加速することができました。チームは、IBM Power SystemsサーバーとNVIDIA GPUを使用して、深層学習モデルのトレーニングを実行しました。また、オープンソースの深層学習ソフトウェアを使用して、高解像度の空中写真を分析しました。この技術は、2019年11月に開始された研究の一部でした。今月、考古学科学ジャーナルに掲載されたこの研究は、現地調査を通じて深層学習モデルの発見を確認し、AIが考古学的発見を加速する可能性を示しています。現代のAIの特徴である深層学習技術は、地中海全域で発見された古代の巻物を分析したり、アメリカ南西部の陶器の破片を分類したりするために使用されています。ナスカの地上絵は、紀元前500年から紀元500年までの時代に作られたもので、主に紀元前100年から300年の間に作られたと考えられています。暗い石を撤去して下にある明るい砂を露出させることで描かれた動物、植物、幾何学的な形状などの絵は、それらを作ったナスカの人々にとって宗教的または天文学的な意義があったと考えられています。これらの新しい地上絵の発見は、この地域にさらに未発見の場所がある可能性を示し、深層学習のような技術が考古学の探索を強化し、隠れた考古学的遺跡を発掘するより効率的な方法を提供できることを強調しています。全文を読む。注目の画像はWikimedia Commonsから提供されました。

マルチヘッドアテンションを使用した注意機構の理解

はじめに Transformerモデルについて詳しく学ぶ良い方法は、アテンションメカニズムについて学ぶことです。特に他のタイプのアテンションメカニズムを学ぶ前に、マルチヘッドアテンションについて学ぶことは良い選択です。なぜなら、この概念は少し理解しやすい傾向があるためです。アテンションメカニズムは、通常の深層学習モデルに追加できるニューラルネットワークレイヤーと見なすことができます。これにより、重要な部分に割り当てられた重みを使用して、入力の特定の部分に焦点を当てるモデルを作成することができます。ここでは、マルチヘッドアテンションメカニズムを使用して、アテンションメカニズムについて詳しく見ていきます。学習目標アテンションメカニズムの概念マルチヘッドアテンションについて Transformerのマルチヘッドアテンションのアーキテクチャ他のタイプのアテンションメカニズムの概要この記事は、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。アテンションメカニズムの理解まず、この概念を人間の心理学から見てみましょう。心理学では、注意は他の刺激の影響を除外して、イベントに意識を集中することです。つまり、他の注意を引くものがある場合でも、私たちは選択したものに焦点を合わせます。注意は全体の一部に集中します。これがTransformerで使用される概念です。彼らは入力のターゲット部分に焦点を当て、残りの部分を無視することができます。これにより、非常に効果的な方法で動作することができます。マルチヘッドアテンションとは？マルチヘッドアテンションは、Transformerにおいて中心的なメカニズムであり、ResNet50アーキテクチャにおけるskip-joiningに相当します。場合によっては、アテンドするべきシーケンスの複数の他の点があります。全体の平均を見つける方法では、重みを分散させて多様な値を重みとして与えることができません。これにより、複数のアテンションメカニズムを個別に作成するアイデアが生まれ、複数のアテンションメカニズムが生じます。実装では、1つの機能に複数の異なるクエリキー値トリプレットが表示されます。出典：Pngwing.com 計算は、アテンションモジュールが何度も反復し、アテンションヘッドとして知られる並列レイヤーに組織化される方法で実行されます。各別のヘッドは、入力シーケンスと関連する出力シーケンスの要素を独立して処理します。各ヘッドからの累積スコアは、すべての入力シーケンスの詳細を組み合わせた最終的なアテンションスコアを得るために組み合わされます。数式表現具体的には、キーマトリックスとバリューマトリックスがある場合、値をℎサブクエリ、サブキー、サブバリューに変換し、アテンションを独立して通過させることができます。連結すると、ヘッドが得られ、最終的な重み行列でそれらを組み合わせます。学習可能なパラメータは、アテンションに割り当てられた値であり、各パラメータはマルチヘッドアテンションレイヤーと呼ばれます。以下の図はこのプロセスを示しています。これらの変数を簡単に見てみましょう。Xの値は、単語埋め込みの行列の連結です。行列の説明クエリ：シーケンスのターゲットについての洞察を提供する特徴ベクトルです。クエリは、何がアテンションを必要としているかをシーケンスに要求します。キー：要素に含まれるものを説明する特徴ベクトルです。クエリによってアテンションが与えられ、要素のアイデンティティを提供します。値:…

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…

アジアにおける生成型AIの機会

生成的AIは、アジア全域でデジタル採用を加速させています

Learn more about Search Results Wikimedia - Page 3