コンピュータビジョン今昔物語 - 深層学習がＣＶの世界をどう変えたか - (JPTA Tech Talk講演資料) - takminの書きっぱなし備忘録 @はてなブログ
今回、ＣＶ勉強会に何度か参加＆発表していただいたJin Yamanakaさんにお誘いいただき、JTPA (Japan Technology Professional Association)というところで、「コンピュータビジョン今昔物語 -深層学習がCVの世界をどう変えたか-」という大上段なタイトルで講演させていただきました。 www.meetup.com このJTPAのTech Talkでは、機械学習/深層学習の勉強会を開催してきたそうなのですが、私自身「これ」という深層学習の専門があるわけではないので、コンピュータビジョン全体の基礎的な技術の変遷を、深層学習と絡めて広く浅く網羅した話をさせていただきました。 ちなみにここで紹介した深層学習の技術は、「既存の技術を置き換えるために、深層学習は何をクリアしなくてはならないか？」という視点で、紹介するのが適当と思ったものを選んだつもりです。
2019年CEATECでPFNは何を出展していたのか お片づけロボットだけではない実力は - ロボスタ ロボスタ - ロボット情報WEBマガジン
2019年のCEATECが終了した。本誌でも既報のとおり、ANAホールディングスによるテレプレゼンスロボット活用「アバター」構想を目玉として、日立とソニーによるaiboとminimaru連携など、初お披露目を含む多数のロボットが出展されていた。 さて、昨年（2018年）のCEATECを覚えているだろうか。2018年のCEATECで最も話題を呼んだのは、注目のスタートアップ、株式会社Preferred Networks（プリファードネットワークス、以下 PFN）による「家庭用全自動お片づけロボット」だった。ハードウェアはトヨタ自動車の生活支援ロボットHSRを使い、PFN独自のソフトウェアで自動片付けを成功させ、CEATECではインダストリ／マーケット部門 準グランプリを受賞した。 ■動画 では今年、PFNは何を出展していたのか。2019年は、国内外のスタートアップ企業および海外諸機関のパビリ
現在のロボットと将来の可能性 日本ロボット学会セミナー「ロボット工学の未解決問題」レポート - ロボスタ ロボスタ - ロボット情報WEBマガジン
東京大学大学院 工学系研究科教授の松尾豊氏は「深層学習とロボット工学の融合の可能性」と題して講演した。松尾氏ははじめに「AlphaZero」などの事例を紹介。「AlphaZero」は、将棋の序盤で王将を中段に動かすなど、今までの理論の枠組みとは違う戦略を取る。これは人間の思考の癖にとらわれない良い戦略を機械学習技術が見出し得ることを示しているという。また、アミノ酸配列からタンパク質の三次元構造を推定することができる「AlphaFold」のような応用も出てきている。 ディープラーニング革命によって、認識から身体性や運動の習熟を経て、言語の意味理解へと進むというのが松尾氏の考える機械学習の発展だ。アプリケーションとしては防犯や自動運転を経て、家事や介護、そして本当の意味での言語処理を経て翻訳やホワイトカラー支援へと進むという予測を2014年に出しており、いまのところ、だいたい予想どおりだという
「多機能型の家庭用ロボが登場」、早大尾形教授が語る2025年のAI
ロボット分野におけるAI（人工知能）の活用が、研究段階から実証段階に進んできている。特に、産業分野におけるロボットの適用が盛んな日本では、注目すべき分野だ。日本ロボット学会の理事と人工知能学会の理事を務めてきた、早稲田大学 尾形哲也教授に、ロボットにおけるAI活用の現状とこれからを尋ねた。（聞き手は、森側 真一＝日経BP総研 イノベーションICTラボ 上席研究員 兼 ビジネスAIセンター長） ロボットにおけるAI活用は現在どの程度進んでいますか。 既に、AIによる自然言語処理で人と対話する家庭用ロボットや、AIによる画像認識でモノをピッキングするなど製造現場でのロボット活用、農業分野でのドローンやオフィスの警備、といった様々な分野で進んでいます。ただ、本格的なロボットとAIの融合は企業での応用が始まったばかりです。 従来は画像を認識する目と、音声を聞く耳を活用したものでした。ロボットではさ
美少女声への変換と合成
Introduction今までは主に可愛い女の子の画像(or 動画)を生成することに取り組んできましたが、画面上に映せるようになったらやはり可愛い声で話して欲しいものです。そこで今回は、別の人の声が与えられた時に美少女声へと変換するための声質変換と、テキストが与えられた時に美少女声を生成するText-to-Speech(TTS)を行なった試行結果について述べようと思います。 Voice ConversionIntroduction声質変換のデータには2種類あります。それが、パラレルデータとノンパラレルデータです。以下にそれぞれの特徴を述べていきます。 パラレルデータを用いた声質変換 同じセリフを発する2種類の声を学習データとして用います。発話内容が同じのため、言語特徴を気にせず音響特徴量の変換を行うことが可能です。しかし、話速の違い等によって言葉を発するタイミングがずれてしまうのでDyna
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
【森山和道の「ヒトと機械の境界面」】 PFNの大規模分散深層学習専用プライベートスパコン「MN-2」潜入レポート
「チューリング賞」が贈られるAI研究の先駆者たちは、“時代遅れ”の研究に固執した異端児だった
【森山和道の「ヒトと機械の境界面」】Preferred Networks、パーソナルロボットに進出宣言 〜「お片付け」の先に見る未来 - PC Watch
「現実世界とデータを結びつけることがカギ」Preferred Networksが挑む、人と機械が対話できる世界 | Ledge.ai