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。

GPUコラムを購読する

最新コラムの掲載情報をメールでご連絡します。
登録解除はいつでも出来ます。

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
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。
著者紹介
2009 年 3月 東京大学情報理工学系研究科コンピュータ科学専攻博士課程修了．博士（情報理工学）．
同年 4月より筑波大学に勤務し，現職は筑波大学システム情報系・准教授．
2014 年～2016 年にスイス連邦工科大学チューリッヒ校 (ETHZ)，
2019 年にエディンバラ大学に客員研究員として滞在．コンピュータグラフィックス (CG) およびコンピュータビジョン (CV) に関する研究に興味を持つ．最近は特に，深層学習の CG や CV への応用に取り組んでいる．
​情報処理学会, 画像電子学会, 芸術科学会各会員．

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
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。
著者紹介
慶應義塾大学理工学部電気情報工学科教授
​2001 年早稲田大学理工学研究科にて博士（工学）取得
2002 年芝浦工業大学工学部情報工学科講師、准教授
2008 年より慶應義塾大学理工学部電子工学科 准教授
2017 年、同大学教授
現在、画像センシング技術，画像パターン認識技術に関する研究に従事
電子情報通信学会，画像電子学会，映像情報メディア学会，IEEE会員
日本顔学会理事
画像センシング技術研究会会長​

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
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。
著者紹介
2009 年 3月 東京大学情報理工学系研究科コンピュータ科学専攻博士課程修了．博士（情報理工学）．
同年 4月より筑波大学に勤務し，現職は筑波大学システム情報系・准教授．
2014 年～2016 年にスイス連邦工科大学チューリッヒ校 (ETHZ)，
2019 年にエディンバラ大学に客員研究員として滞在．コンピュータグラフィックス (CG) およびコンピュータビジョン (CV) に関する研究に興味を持つ．最近は特に，深層学習の CG や CV への応用に取り組んでいる．
​情報処理学会, 画像電子学会, 芸術科学会各会員．

GPUの起源と進化

柿本 正憲 先生
東京工科大学 教授、プロメテックCGリサーチ 研究員
シリンダーマッピングによる実時間表示例
2021年3月
GPUの源流は、1982年に発表されたジオメトリーエンジン（Geometry Engine）です。
本稿ではGPUがどのように誕生し進化したかを振り返ります。筆者は ……

​​ハード、ソフトの両方を業務とし、技術製品開発者と顧客との橋渡しをした者の視点で、多少の人間ドラマも交えて、GPUの発展を振り返ってみたいと思います。
著者紹介
東京大学工学部電子工学科卒業後、富士通研究所、グラフィカ、ノバ・トーカイ、日本シリコングラフィックス（現 日本SGI）、シリコンスタジオを経て現職。この間、東京大学大学院情報理工学系研究科電子情報学専攻博士課程修了、情報処理学会グラフィクスとCAD研究会幹事・可視化情報学会理事等を歴任。
所属：東京工科大学 メディア学部 メディア学科、大学院 メディアサイエンス専攻 ／ 教授、メディア学部長

AlphaGo とその後

北岡 伸也 様
Dwango Media Village
MuZero の構成
2020年12月
Google DeepMindによって開発されたコンピューター囲碁プログラムであるAlphaGo（アルファ碁）が、2016年３月のイベントで人間を超える強さを示したことは、大きな衝撃を持って世界に伝えられ、人工知能技術に注目をあつめる契機となりました。
​
しかし、AlphaGoに関連する技術が、そこから現在に至るまでにどのような進展をとげてきているかについて、よく知っている非専門家の方はそう多くないのではないでしょうか。
著者紹介
2010年に大阪大学大学院情報科学研究科マルチメディア工学専攻を修了、博士（情報科学）。
現在は株式会社ドワンゴ ニコニコ事業本部 MLエンジニアリング部 (Dwango Media Village)
マルチメディア・エンジニアリング・セクションでマネージャーを務めている。
​2017年度より人工知能学会の編集委員、2020年度より画像電子学会の編集理事。

CUDAを用いたシンプルなパストレーシング

岩崎 慶 先生
和歌山大学システム工学部 准教授、プロメテックCGリサーチ 研究員 ​
カーネル関数renderの実行例
​（すべて光沢反射として生成した画像）
2020年10月
近年では、NVIDIAの RTX Technology や Microsoftの DirectX Ray Tracing など、GPUを用いた高速なレイトレーシングが実装・開発されており、次世代の3Dグラフィクス技術として注目を浴びています。

 本稿では、物体を球のみに限定し、NVIDIAの並列プログラミングモデルであるCUDAを用いて、画像を生成する手法について解説します。​