本コラムは、2020年4月よりスタートしました。
GPUを活用したCGや、AIに関する研究・最新技術について、第一線でご活躍されている方々にご協力いただきご執筆いただきます。 本コラムを通して新たな気づきや、取り組まれている業務の一助にご活用いただけましたら幸いです。 |
|
深層学習を利用した画像処理・画像認識と必要なGPU性能
石川 知一 先生
東洋大学 情報連携学部 准教授
東洋大学 情報連携学部 准教授
DeepLens の結果例(手前の人物にリフォーカスした結果)
2022年3月
|
ご存じの通り、深層学習(Deep Learning)は様々な分野に応用されています。
この技術発展はGPUの性能向上と共にあります。 本稿では画像処理、画像認識の分野において、最新の研究ではどのようなことを実現でき、実際に学習を行うために必要なGPUの性能についてまとめていきます。 学習フェーズでどの程度の時間を要するのか、どの程度のデータを学習に用いているのか、実験を行うために最低限必要なスペックの参考にして頂けると幸いです。 |
トランスフォーマー:最近流行のニューラルネットワーク
北岡 伸也 様
Dwango Media Village
Dwango Media Village
Embedding
2022年1月
|
ディープラーニングと聞いて、どのような仕組みを思い浮かべるでしょうか。
「なにかすごい仕組みで動いて、何でも解決してくれる万能ツール」という認識の方もいるかも知れません。 あるいはもう少し詳しく、「ニューラルネットワークで構成されていて、多層パーセプトロン(MLP; Multi-Layer Perceptron)や畳み込み(Convolution)が、使われている」とご存じかも知れません。 計算に大変なリソースが必要でGPUが利用されていることはよく知られていると思います。 本稿では、どういう場面でどのようなニューラルネットワークのアーキテクチャーが使われるかはなんとなく知っているけど、実際に使ったり実装してみたりしたことはないといった方を対象として、では実際にそれはどのような仕組みで計算されているのかについてトランスフォーマー(Transformer)を題材として解説します。 |
GAN Inversion による写実的画像生成の制御
金森 由博 先生
筑波大学 システム情報系 准教授
筑波大学 システム情報系 准教授
学習済みStyleGANでランダムに生成した画像 (列ごとに異なる画像データセットで学習)。
2021年11月
|
深層学習 (Deep Learning) で画像を作る、というと「GANってやつを使うんでしょ?」とお察しの方も多いかと思います。
今回はそのGAN (Generative Adversarial Network; 敵対的生成ネットワーク) についてですが、特に最近、研究分野でホットな “GAN Inversion” という技術をご紹介します。 端的に何ができるようになるかというと、写実的な画像が作れるものの制御しづらかったGANを、自在にコントロールできるようになります。 |
深層学習におけるアノテーションコストを抑えるための取り組み ”Active Learning” について
青木 義満 先生
慶應義塾大学 理工学部 電気情報工学科 教授
慶應義塾大学 理工学部 電気情報工学科 教授
Pool-based sampling
2021年8月
|
近年、画像センシング分野における研究開発の成果は、深層学習の進化により、実社会の様々な場面で利活用されています。機械学習、特に深層学習においては、ネットワークモデルの学習において、大規模な教師データ(ラベル付きデータ)が必要となります。
… これらのラベル付きのサンプルを得るためのアノテーション作業は時間とコストがかかるため、実用上大きな問題となります。 アノテーション作業のコストを減らすための方法として、教師なし学習、半教師あり学習、Active Learningなどの学習手法が近年、注目されています。 |
深層学習に基づく人物画像の再照明
金森 由博 先生
筑波大学 システム情報系 准教授
筑波大学 システム情報系 准教授
光の遮蔽を考慮した人物全身画像の逆レンダリング
2021年5月
|
深層学習 (Deep Learning) によって、従来は考えられなかったような驚くべき成果が毎日のように世に現れています。
ニューラルネットワークの基本構成要素である畳み込み層が、規則的かつ密に並んだデータの扱いを得意とすることから、CGやコンピュータビジョンの分野では特に、画像を対象とした成果が多く報告されています。 本稿では画像を対象とした深層学習の応用事例のうち、我々にとって最も身近な人物画像を対象として、「再照明」という技術をご紹介します。 |