Search Results ボード

「オムニバースへ：マーモセットがレンダリングの突破をもたらし、OpenUSDのサポートを拡張して3Dアート制作を向上させます」

Editor’s note: この記事は「Into the Omniverse」シリーズの一部であり、スタートアップから企業までのアーティストや開発者が最新のOpenUSDやNVIDIA Omniverseを使用してワークフローを変革する方法に焦点を当てたものです。リアルタイムレンダリング、アニメーション、およびテクスチャーベイキングは、3Dアート制作における重要なワークフローです。Marmoset Toolbagソフトウェアを使用することで、3Dアーティストは創造的なワークフローを向上させ、生産性に影響を与えることなく複雑な3Dモデルを作成することができます。 Marmoset Toolbagの最新バージョンであるバージョン4.06では、Universal Scene Description（OpenUSD）へのサポートが強化され、NVIDIA Omniverseとのシームレスな互換性が実現されています。これにより、Marmosetを使用する3Dクリエイターやテクニカルアーティストは、シームレスな相互運用性、高速レンダリング、リアルタイムの可視化、効率的なパフォーマンスを楽しむことができます。彼らの創造的なワークフローの可能性が再定義されます。 OpenUSDでクロスプラットフォームの創造性を向上させるクリエイターたちは、OpenUSDを活用してワークフローを次のレベルに引き上げています。ベルリンを拠点にするArmin Halačは、Woogaというモバイルゲーム開発スタジオで主任アニメーターとして働いており、June’s JourneyやGhost Detectiveなどのプロジェクトで知られています。彼の仕事の性質上、Halačは3Dワークフローに詳しいです-彼はアニメーションやキャラクターリギングに取り組んでいます。テクスチャリングや高品質のレンダリングのために、HalačはMarmosetが好んで使用しており、ユーザーフレンドリーなインターフェースと強力な機能により、彼のワークフローが簡素化されます。最近、HalačはMarmosetを使用して、彼の本『Blenderを使用したゲーム向けキャラクターリギングの完全ガイド』の魅力的なカバーイメージを作成しました。 USDへの追加サポートを使用することで、HalačはBlenderからMarmosetに3Dアセットをシームレスに送信することができ、コラボレーションの新たな可能性と視覚効果の向上を実現します。 Halačの本のカバーイメージ。 Nkoro Anselem…

「AIレポート2023年」を解説する

アニュアルAIレポートは、人工知能の急速に進化する領域での明確さと方向性を提供する重要な基準として機能しますその包括的な分析は、常に研究者、業界のプロフェッショナル、政策立案者に貴重な洞察をもたらしてきました今年のレポートでは、特に言語モデル（LLM）の分野での重要な進展が強調されています[…]

バイトダンスとキング・アブドゥッラー科学技術大学のAI研究者が、静止したポートレート写真の髪の毛を揺らすための新しいフレームワークを発表します

髪は人間の身体の中でも最も印象的な特徴の1つであり、そのダイナミックな特性によってシーンが生き生きと表現されます。研究により、ダイナミックな要素が静止画像よりも強い魅力と興味を引き起こすことが一貫して証明されています。TikTokやInstagramのようなソーシャルメディアプラットフォームでは、人々が写真を魅力的で芸術的に魅力的にすることを望んで、広範なポートレート写真の共有が日常的に行われています。この動機は、静止画像内の人間の髪をアニメーション化する領域の探索を燃料としており、鮮やかで美しく景観的な視覚体験を提供することを目指しています。この分野での最新の進化により、静止画像に水、煙、火などの流動物質をアニメーション化する手法が導入されました。しかし、これらの手法は実生活の写真での人間の髪の複雑な性質をほとんど無視しています。この記事では、ポートレート写真内で人間の髪の芸術的な変換に焦点を当て、その写真をシネマグラフに変換することを目指しています。シネマグラフは、プロの写真家、広告主、アーティストの間で好まれる革新的な短いビデオ形式です。デジタル広告、ソーシャルメディア投稿、ランディングページなど、さまざまなデジタルVoAGIで利用価値があります。シネマグラフの魅力は、静止画像と動画の強みを融合させる能力にあります。シネマグラフの一部分には、短いループで繰り返し動作する微妙な動きがあり、残りの部分は静止しています。この静止と動きの要素の対比が、鑑賞者の注意を効果的に引きつけます。ポートレート写真をシネマグラフに変換することで、微妙な髪の動きを含めて、写真の魅力を高めることを目指しています。これにより、より魅力的で魅力的な視覚体験が生まれます。既存の手法や商用ソフトウェアは、入力ビデオから高品質なシネマグラフを生成するために、一部のビデオ領域を選択的に凍結するという手法を採用しています。残念ながら、これらのツールは静止画像の処理には適していません。対照的に、静止画像のアニメーション化に関心が高まっています。これらの手法の多くは、雲や水、煙などの流体要素をアニメーション化することに焦点を当ててきました。しかし、繊維状の材料から構成される髪のダイナミックな振る舞いは、流体要素と比較して独特の課題を提供します。広範な注目を集めている流体要素のアニメーション化とは異なり、実際のポートレート写真での人間の髪のアニメーション化は比較的未開拓の領域です。静止したポートレート写真で髪をアニメーション化することは、髪の構造とダイナミクスの複雑さにより、困難を伴います。人間の体や顔の滑らかな表面とは異なり、髪は数十万もの個別のコンポーネントから構成され、複雑で均一ではありません。この複雑さにより、髪内には髪の中での複雑な運動パターンや頭との相互作用が存在します。カメラアレイと高速カメラを使用するなど、髪のモデリングのための特殊な手法はありますが、コストと時間がかかるため、実世界での髪のアニメーションには制約があります。本記事で紹介する論文は、静止したポートレート写真内で髪を自動的にアニメーション化するためのAI手法を紹介しており、ユーザーの介入や複雑なハードウェアセットアップは不要です。この手法の背後にある考えは、実際のポートレートビデオ内の個々の髪のストランドとそれらの動きに対する人間の視覚システムの感度が、仮想環境内の合成ストランドと比較して低下していることです。提案されている解決策は、個々のストランドではなく「髪の房」をアニメーション化することで、視覚的に魅力的な視聴体験を創造することです。これを実現するために、本論文では髪の房のアニメーションモジュールを紹介し、効率的かつ自動化された解決策を提供しています。以下に、このフレームワークの概要を示します。この文脈での主な課題は、これらの髪の房をどのように抽出するかです。髪のモデリングなどの関連する研究では、主に髪の領域全体の抽出を対象としていますが、これは目的と異なります。意味のある髪の房を抽出するために、研究者は髪の房抽出をインスタンスセグメンテーション問題としてフレーム化し、静止画像内の個々のセグメントが髪の房に対応するようにしました。この問題定義を採用することで、研究者はインスタンスセグメンテーションネットワークを活用して髪の房の抽出を容易にしました。これにより、髪の房の抽出問題が簡素化されるだけでなく、効果的な抽出のために高度なネットワークの使用が可能になります。さらに、本論文では、ネットワークのトレーニングのための実際のポートレート写真を含む髪の房データセットの作成と、特定された髪の房のための正解注釈のためのセミアノテーションスキームの作成を紹介しています。以下の図には、本論文と先進的な手法を比較したいくつかのサンプル結果が報告されています。これは、美しい動きを持つ髪の毛を使って、静止したポートレートをシネマグラフに変換するための新しいAIフレームワークの要約でした。目立つ欠点なく魅力的なモーションを与えることができます。興味がある方は、以下に引用されたリンクを参照してください。

Uncategorized

サポートベクターマシンとScikit-Learn：フレンドリーな紹介

利用可能な機械学習モデルの中には、全てのデータサイエンティストが必須のツールとなるべき非常に多目的なモデルが存在しますサポートベクターマシン (SVM) ですSVMは強力で…

ウェイモのMotionLMを紹介します：最新型のマルチエージェントモーション予測アプローチで、大規模言語モデル（LLM）が自動車の運転をサポートできるようにする可能性のあるものです

オートリグレッション言語モデルは、あらかじめ定義された文法や構文解析の概念を必要とせずに、文章内の次のサブワードを予測するのに優れています。この方法は、音声や画像の生成などの連続データドメインにも適用され、データが言語モデルの語彙と同様に離散的なトークンで表現されます。シーケンスモデルは、振る舞いなどの複雑で動的な文脈での使用に興味を引くため、その使いやすさから注目されています。道路利用者は、行動と応答を交換するため、運転中に連続的な会話の参加者と比較されます。疑問は、同様のシーケンスモデルを使用して、言語モデルが複雑な言語分布を捉えるのと同様に、道路エージェントの振る舞いを予測するために使用できるかどうかです。エージェントの振る舞いの結合分布を独立したエージェントごとの周辺分布に分解することは、道路エージェントの振る舞いを予測するための人気のある戦略でした。この方向への進展があるにもかかわらず、これらの周辺予測には制約があります。なぜなら、複数のエージェントの将来の行動がお互いにどのように影響を受けるかを考慮に入れていないため、予測できない場面レベルの予測が生じる可能性があるからです。これらの問題に対処するため、Waymoの研究者チームはMotionLMを導入しました。これは、自律走行車の安全な計画において重要な要素である道路エージェントの将来の振る舞いを予測するためのユニークなアプローチです。MotionLMの主なアイデアは、複数の道路エージェントの動きの予測の問題を言語モデリングの作業としてアプローチすることです。これは、道路エージェントの行動が言語であるかのように予測課題を構築し、フレーズを作成しているかのようにフレーム化します。 MotionLMは、他の既存の方法とは異なり、アンカーや複雑な潜在変数の最適化手法を使用しないでこれを実現しています。このモデルは、運動トークンのシーケンスを正確に予測する平均ログ確率を最大化する目標を持つ単純な言語モデリング手法を採用しています。モデルはシンプルであり、トレーニングも容易です。多くの既存の手法では、個別のエージェントの軌跡を別々に生成し、その後エージェント間の相互作用を評価する二段階の手順を使用しています。一方、MotionLMは、複数のアクターの将来の行動について直接的に結合分布を構築するための単一のオートリグレッシブデコーディング手法を使用します。この相互作用モデリングの統合は、より効果的でシームレスです。MotionLMの時系列的な因果関係の分割作用により、時間的に因果関連性のある条件付きロールアウトも可能です。イベント間の因果関係を考慮して、将来のエージェントの振る舞いに関する予測が行われるため、その現実性と正確性が高まります。評価では、MotionLMはWaymo Open Motion Datasetに対してテストされた際に大きな成果を上げました。インタラクティブなチャレンジにおいて他のアプローチよりも優れたパフォーマンスを示し、困難な状況下で道路エージェントの行動を予測するための他の手法よりも優れていることが示されました。結論として、MotionLMは自動車のマルチエージェントの動きの予測において画期的なアプローチであり、この分野で非常に有益な進歩です。

強力なデータサイエンスポートフォリオを構築するための5つの無料プラットフォーム

５つの無料プラットフォームを利用して、リクルーターを魅了する魅力的なポートフォリオを作成しましょう！信じられないほど簡単なんです！

Career Advice

「データの成熟度ピラミッド：レポートから先進的なインテリジェントデータプラットフォームへ」

この記事では、データの成熟度ピラミッドとそのさまざまなレベルについて説明しています単純なレポートからAI対応のデータプラットフォームまでをカバーしていますビジネスにおけるデータの重要性を強調し、データプラットフォームがAIの推進力となる方法を示しています

Data science

データ分析の再構築：ダッシュボードからAIコパイロットへ

データ分析の絶えず進化する領域では、専門家は常に新しいツールや技術に適応するという課題に直面していますコマンドラインインターフェース（CLI）やグラフィカルユーザインターフェース（GUI）といった従来のデータとのやり取りの方法は、一定の技術知識とシステムへの熟練度が必要であり、多くの人にとってはハードルとなることがあります[…]

「ABBYYインテリジェントオートメーションレポートによると、AIの予算は80%以上増加していることが明らかになりました」

経済状況が企業支出に影響を与える中でも、AIへの投資の急増はゲームチェンジャーとなっていますABBYYの最新のインテリジェントオートメーション報告書によれば、IT幹部の82％がその影響を認めていますこの報告書は、AIの優先事項に与える経済的な影響に焦点を当てており、アメリカ、イギリスなどでITを指導している人々の洞察を集めました

ABBYY

「Rで複数のファイルを自動的にインポートして結合する方法」

私のデータサイエンティストの仕事では、異なるソフトウェアのエクスポート制約により、同じタイプの情報を含む複数の異なるファイルを定期的にインポートする必要がありますもし同様の状況にいるならば...

Learn more about Search Results ボード - Page 4