Search Results A

「Googleのマルチモーダル基本モデルへの最新アプローチ」

業界では大規模言語モデル（LLM）に関する話題がまだ盛り上がっていますが、主要な研究機関は今度はマルチモーダルな基礎モデルに注目しています－同じ…

ペンシルベニア大学の研究者たちは、腎臓のマッチングを改善し、移植片の失敗リスクを減らすための機械学習戦略の開発を行っています

AIは、遺伝子の特定の変異を分析することにより、腎移植のリスクを最小化することで、人々に希望の光をもたらしています。腎移植におけるグラフトの失敗リスクの評価は、従来、HLA（ヒト白血球抗原）の不一致に基づいて行われてきました。ペンシルベニア大学の研究チームは、アミノ酸の不一致（AA-MMs）とグラフトの失敗の可能性との間に隠れた関連性を明らかにするための革新的な機械学習アルゴリズムを探求しました。彼らの手法であるFIBRES（リスク分類のための特徴の含有ビンエボルバー）は、進化的アルゴリズムを利用してAA-MMsのビンを自動的に構築し、ビンの構成に関する仮定を最小限に抑えます。これにより、移植ペアをグラフトの生存リスクの高いグループと低いグループに効果的に分類することができます。FIBRESの手法を用いて、Scientific Registry of Transplant Recipients（SRTR）のデータセットからの166,754件の脱死者の腎移植データセットを分析した結果、伝統的な手法のグラフトの失敗リスクの制限が明らかになりました。アミノ酸の可変性の役割を強調し、FIBRESが低リスク患者の数を2倍以上特定できることが示されました。 FIBRESは進化的アルゴリズムを利用して、グラフトの失敗リスクの分類のためのAA-MMsのビンの適応度を反復的に最適化します。より高いパフォーマンスのビンを「親」として選択し、ビン内のAA位置を「交差」（つまり、交差）および「突然変異」（つまり、置換、追加、削除）することで、新しい子孫ビンを生成します。FIBRESは「リスク層の最小値」を組み込んで、結果の統計的信頼性を確保します。この手法は、3つの分析で応用されています：（1）5つのHLA遺伝子座全体でAA-MMsを使用してビンを構築し、リスク分類を比較する、（2）各HLAごとにAA-MMsをビン分けする、および（3）交差検証を使用してパフォーマンスを評価する。これにより、0- ABDR抗原不一致と比較して、リスク分類の向上が実現されました。AA-MMの評価によると、腎移植の24.4%が低リスクであり、0-ABDRの場合は9.1%でした。交差検証は、FIBRESのビンリスク予測の一般化を示し、その堅牢性を確認しました。研究者たちは、FIBRESがリスクに影響を与えるAA-MMをより包括的に決定できる可能性を強調しました。ただし、より大きなデータセットが必要です。将来的には、研究者たちは制限に対処するために、（1）追加のHLA遺伝子座へのビン分けの拡張、（2）最初の移植と再移植の受取人の結果の比較、および（3）FIBERSの適切なビンを最適化して、ドナー/受取人のペアを任意の数のリスクグループに分類し、グループのカットオフを学習し、AA-MMの重みを学習して、特定のMMの重要性を推測することを目指しています。

ゲーム業界の皆様へ！もう奇妙な鏡は不要です、Mirror-NeRFが登場しました！

NeRF（ニューラル・ラディアンス・フィールド）は、RNNとCNNの組み合わせを使用して、形状、材質、テクスチャなどの物体の物理的特性を捉えます。異なる照明条件下で物体のリアルなイメージを生成することができます。高解像度のイメージを生成する能力により、医学、ロボット工学、エンターテイメントなどで非常に有用であることが証明されています。鏡が現実世界に普遍的に存在する場面の3D再構築とレンダリングは、長年の課題でした。NeRFを使用した鏡の再構築の不一致に対処するため、浙江大学の研究者たちは、ミラー-NeRFを紹介しています。ミラー-NeRFは、ミラー内の反射を正しくレンダリングするために、反射確率を提出し、Whitted Ray Tracingの光輸送モデルに従って光線を追跡することにより、統一された放射輝度場における反射を実現します。 NeRF、RefNeRF、NeRFReNの3つの方法は、以前に学習した反射を補完することで、新しい視点からミラーの反射を生成しました。ただし、訓練中に見たことのない反射を信頼性を持って推測することや、シーンに新たに導入されたアイテムやミラーに対して反射を合成することには制約があります。新しく導入されたミラー-NeRF技術は、物理的なレイトレーシングをニューラルレンダリングプロセスに統合することにより、ミラー内の反射を正確に描画し、さまざまなシーンの変更アプリケーションに役立つことができます。合計で5つの合成データセットと4つの実データセットが作成され、ピーク信号対雑音比（PSNR）、構造類似性指数（SSIM）、学習済み知覚画像パッチ類似度（LPIPS）のメトリックを用いた新しい視点合成の定量的比較が行われました。ミラーの凹凸した表面が反射の品質に大きな影響を与えるため、最適化プロセスにはいくつかの正則化項も導入されました。すべての正則化項を有効にした場合、最も高い画像品質でミラー内の正確な反射を得ることに成功しました。研究結果は、NeRF、Ref-NeRF、NeRFReNが、色に高周波変動があるオブジェクトの反射を生成するのに苦労していることを示しています。例えば、ミーティングルームのミラーの歪んだ掛け絵、オフィスとラウンジのミラーのぼやけたカーテン、衣料品店のミラーの「曇った」洋服などです。一方、新しい手法は反射された光線を追跡することで、オブジェクトの詳細な反射をレンダリングします。ミラーを使った作業には大きな進展がありますが、まだ屈折をフレームワークに組み込むことはできていません。結論として、このブレークスルーはゲームおよび映画業界に新たな可能性を約束しています。アーティストは、複雑なビジュアル効果を作成し、ミラー操作を利用したり、例えばミラー内の反射を異なるシーンで置き換えたりすることを望むかもしれません。マルチビューの一貫性を持ったミラー内の新しいシーンのフォトリアリスティックなビューを合成することができます。

Learn more about Search Results A - Page 716

「Googleのマルチモーダル基本モデルへの最新アプローチ」

ペンシルベニア大学の研究者たちは、腎臓のマッチングを改善し、移植片の失敗リスクを減らすための機械学習戦略の開発を行っています

ゲーム業界の皆様へ！もう奇妙な鏡は不要です、Mirror-NeRFが登場しました！

「Zenの共同創設者兼CTO、イオン・アレクサンドル・セカラ氏によるインタビューシリーズ」

「目指すべき人工知能の高収入の仕事6選」

VRヘッドセットはハッカーに対して脆弱です

クラゲ、猫、ヘビ、宇宙飛行士は何を共有しているのか？数学

「機械学習に人間のミスを組み込む」

オープンソース大規模言語モデルの優しい紹介

「テキストから具体的なものへ：3D-LLMが言語モデルを3D世界に解き放つ」

Find the right Blockchain Investment for you