GDEP Solutions, Inc.
  • Home
    • 新着情報一覧
    • NVIDIA NEWS
    • GPU2021 開催概要 >
      • Day1 AI & GPU セッション
      • Day2 イメージングAI
      • Day3 GPUスパコン
      • 講演レポート | Denso
      • 過去開催 >
        • GPU2020
        • GPU2019
  • GPU製品
    • 即納モデル
    • NVIDIA GPU 一覧 >
      • NVIDIA H100
      • NVIDIA A100
      • NVIDIA RTX スペック比較 >
        • NVIDIA RTX A6000
        • NVIDIA RTX A5000
        • NVIDIA RTX A4500
        • NVIDIA RTX A4000
        • NVIDIA RTX A2000
      • Quadro GV100
    • GPUレンタル一覧
    • GPU年定額プラン
    • AI・データサイエンスおすすめ一覧 >
      • NVIDIA DGX H100
      • NVIDIA DGX A100
      • DGX STATION A100
      • HP Z8 G4 Workstation
      • HP ZBook Fury17G7 Mobile Workstation
      • Dell Precision 7920 Tower
      • DeepLearning BOXⅡ
      • DeepLearning STATION
      • NVIDIA EGX サーバー
      • HITACHI SR24000
    • 数値計算・解析おすすめ一覧 >
      • HP Z4 G4 Workstation
      • HP Z8 G4 解析ソフトウェア動作確認済みモデル
      • Supermicro 7049GP
    • NVIDIA A100搭載 Supermicro 740GP
  • ストレージ
    • Synology
    • DDN STORAGE
    • PURESTORAGE
  • HPC
    • HPC Workstation
    • HPCおすすめGPUサーバー
    • HPC SIサービス
    • AXXE-L by XTREME-D
    • NVIDIA HPC SDK
    • プログラム高速化サービス
  • クラウド製品
    • セキュリティ >
      • KernelCare
    • 仮想化 >
      • Login VSI
      • Login PI
    • リモートアクセス >
      • FastX
      • NiceDCV
      • NoMachine
    • ハイブリッドクラウドNAS >
      • Morro Data
    • クラウドストレージ >
      • クラウドストレージ Wasabi
  • GPUコラム / 導入事例
    • GPUプログラミング >
      • 初級編
      • 中級編 >
        • 第4回:MPI+OpenACC実装における計算と通信のオーバーラップ
        • 第3回:拡散現象シミュレーションのおさらい
        • 第2回:簡単なOpenACC + MPI コードで考える
        • 第1回:複数のGPUを使う方法とは?
    • GPU Technology for CG/AI >
      • 深層学習を利用した画像処理・必要なGPU性能
      • 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
      • GAN Inversion による写実的画像生成の制御
      • 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
      • 深層学習に基づく人物画像の再照明
      • GPUの起源と進化
      • AlphaGo とその後
      • CUDAを用いたシンプルなパストレーシング
      • 流体シミュレーションの応用
      • GPUを用いた高速レンダリング
      • GPUを基盤としたCG/AIの技術進化
    • シリコンバレー発信 New Technology Report >
      • 最新記事から
    • ツブ子が聞く・見る・行く! >
      • 見る!NVIDIA RTX A6000
      • 聞く!NVIDIA DGX A100
      • 見る!NVIDIA A100 Tensor Core GPU
    • 導入事例 >
      • DGX SYSTEMS >
        • NVIDIA DGX A100 | 金沢大学
      • GPU Computing
  • 会社情報
    • ごあいさつ
    • 会社概要
    • アクセスマップ
    • 採用情報
  • お問い合わせ
GPU Technology for CG / AI
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。
購読 登録フォーム

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
画像
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。
Read More
著者紹介
画像
2012年3月東京大学新領域創成科学研究科複雑理工学専攻博士課程修了. 博士(科学).
同年4月より東京工科大学メディア学部助教,その後,東京理科大学理工学部助教を経て,現職の東洋大学情報連携学部(INIAD)の准教授.
画像処理を含む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がある.
​特に,数値シミュレーションを利用した物理アニメーションの研究に取り組んでいる.
情報処理学会, 画像電子学会, ACM各会員.​

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
画像
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。
Read More
著者紹介
画像
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。

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
画像
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。
Read More
著者紹介
画像
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
画像
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。
Read More
著者紹介
画像
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
画像
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。
Read More
著者紹介
画像
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
画像
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。