先日、博士（情報学）になりました。学部と大学院をあわせた 9 年間で読んだ情報科学関連の教科書・専門書を思い出を振り返りつつここにまとめます。私は授業はあまり聞かずに独学するタイプだったので、ここに挙げた書籍を通読すれば、大学に通わなくてもおおよそ情報学博士ほどの知識は身につくものと思われます。ただし、特に大学院で重要となる論文を読み書きすることについては本稿には含めておりません。それらについては論文読みの日課についてや論文の書き方などを参考にしてください。 joisino.hatenablog.com 凡例：（半端）とは、数章だけ読んだ場合か、最後まで読んだものの理解が浅く、今となっては薄ぼんやりとしか覚えていないことを指します。☆は特におすすめなことを表します。 学部一年 寺田 文行『線形代数 増訂版』 黒田 成俊『微分積分』 河野 敬雄『確率概論』 東京大学教養学部統計学教室『統計学

1. はじめに NeRF (Neural Radiance Field) とは、複雑なシーンに対して、任意の視点からの3次元的なシーンを画像から再構成する技術です。以下の動画にあるように、物体に対して、様々な角度から見たときのシーンをキレイに再現することができます。反射に関しても、それぞれの角度から見たときの見え方が反映されており、角度によって同じ場所でも微妙に違う反射特性を見て取ることができます。この手法を利用して、例えば、地点AとBで画像を取得した場合、その中間地点の任意の角度から対象物体を見たときのシーンを生成可能です。 この記事では、このNeRFと呼ばれる技術と、それを実行するにあたって必要な周辺の技術について簡単にまとめたいと思います。以下に示す、NeRFの論文と照らし合わせてながら解説を行います。しかし、本記事では、NeRFを実行するまでの流れを示すため、各要素技術に関しては詳

追記: U-Netの中間層は常にSelf-Attentionとなります。ご指摘いただきました。ありがとうございます。（コード） オミータです。ツイッターで人工知能のことや他媒体の記事など を紹介しています。 @omiita_atiimoもご覧ください！ 世界に衝撃を与えた画像生成AI「Stable Diffusion」を徹底解説！ 未来都市にたたずむサンタクロース（Stable Diffusionで生成） 2022年8月、世界に大きな衝撃が走りました。それは、Stable Diffusionの公開です。Stable Diffusionは、テキストを受け取るとそれに沿った画像を出力してくれるモデルです1。Stable Diffsuionは10億個近いパラメータ数をもち、およそ20億個の画像とテキストのペア（LAION-2B）で学習されています。これにより、Stable Diffusionは入

2020-07-13 サイトマップのようなもの 当ブログについて 一覧ページ はじめに このブログでシリーズとして書いている記事の一覧ページをまとめた一覧ページです。 【目次】 はじめに サイトマップの代用 このブログについて 本の攻略ノートシリーズ ベイズ推論系 トピックモデル 頻度統計 空間統計 深層学習 アルゴリズムとデ… 2024-11-03 5.4：著者トピックモデルの崩壊型ギブズサンプリング：一様なハイパーパラメータの場合【青トピックモデルのノート】 攻略ノート 攻略ノート-青トピックモデル トピックモデル MCMC MCMC-周辺化ギブスサンプリング はじめに 『トピックモデル』(MLPシリーズ)の勉強会資料のまとめです。各種モデルやアルゴリズムを「数式」と「プログラム」を用いて解説します。 本の補助として読んでください。 この記事では、著者トピックモデルに対する崩壊型ギブス

今更ながらUnityに興味しんしん丸 ずっと興味あって、少し手を出してはいたものの、全然がっつり取り組めていなかったUnity。最近、Unity使えば、AIもVRもシミュレーションもマルチプラットフォーム対応もできるということで、今更ながら熱が高まってきました。 GWに取り組むべく、個人的に気になるUnity関係の情報をまとめてみたいと思います。 目的としては、AIと組み合わせた映像・音楽表現的なことをしたいなと考えいます。なので、普通にゲームとか作りたい人にはあんまり参考にならない情報かもしれないので、その点はご了承ください。 学習サイト・書籍 Unityの学習サイトですが、試行錯誤して感じましたが、公式が分かりやすい情報を発信していますね。しかも充実しています。 UnityステーションというYouTube動画は、Unityの活用法をたくさん紹介しているので、見てるだけで結構面白いです。

リポジトリ 今回のプロジェクトのリポジトリはこちらにアップロードしてあります．Vulkanのインストールが必要です． 本記事の目的 偏光（Polarization）とは、電場および磁場の振動方向が規則的な光のことを指します． 偏光の理論の解説はこちらで非常に詳しく解説されているので，本稿では省略します． 残念ながら人間の目には入射した偏光であるかどうかを識別する能力はありません．しかし，偏光計測は従来の光計測より多くの情報量を持っており，近年偏光の情報を使うことで現実物体の形(法線)や反射率(BRDF)が従来より高精度に取れるということが分かってきました[1, 2]． その流れを受けて，有名な物理ベースレンダラーMitsuba2では，偏光を使ってレンダリングを行う機能が追加されています． Mitsuba2は素晴らしいレンダラーであることは結果を見ても明らかですが，普段シェーダーを書く人間か

物理ベースレンダリングの基礎から実装まで解説したものです．光の話からGLSLによる実装，拡散BRDF，鏡面BRDFについての内容が含まれています． 誤字や間違いなどのご指摘は以下からコメントをお願いします． https://zenn.dev/mebiusbox/scraps/90bc293a07430d

2021年1月27日、watchOSのアップデートに伴い、日本でもApple Watchの心電図（Electrocardiogram、ECG）機能が利用できるようになりました。 https://www.apple.com/jp/newsroom/2021/01/ecg-app-and-irregular-rhythm-notification-coming-to-apple-watch/ 日本ではスマートウォッチで心電図機能が使えるようになったのはこれが初めてだと思うのですが、海外ではApple Watch以外にもFitbitなども心電図機能に対応しています。 心電図が身近なものになることによって、こちらを利用して病気の検知であったり介入であったりといった研究が更に進むのではないかと予想されるので、今回は機械学習の心電図データへの応用についてまとめてみたいと思います。 心臓の拍動と心電図の

XYZを計算する∫やΣを使った数式、眺めていてもよくわからず、結局わからないまま…。そんなときは、自分で計算してみるのが一番だと思います。Excelを用いて1ステップずつ手順を説明しますので、やってみましょう！ ⓪物体色のXYZ計算式のおさらい　↓この式です（物体色の場合）。色関係の検定試験で出てきて、拒否反応が出る人が多いようです。 S(λ)は光源の分光分布、R(λ)は物体の分光(立体角)反射率、x(λ)、y(λ)、z(λ)は等色関数です。光、物、眼の分光特性を掛けて、（波長で）積分し、最後に係数kを掛けるという手順です。 ここでは、使用頻度の高い物体色を対象とし、シンプルにするために400-700nmの範囲で計算します（380-400、700-780は感度も低く、大勢には影響しないので）。計算にはExcelを用います。 ①まずは、光、物、眼をそろえよう　最初に「光」と「物」です。光とし

Pythonで2つの画像のPSNR（ピーク信号対雑音比）を算出する方法について、OpenCV, scikit-image（skimage）で提供されている関数を使う方法と、NumPyの基本操作で処理する方法を説明する。 PSNR（ピーク信号対雑音比）とは OpenCVでPSNR算出: cv2.PSNR() scikit-imageでPSNR算出: skimage.metrics.peak_signal_noise_ratio() numpy.ndarrayを計算してPSNR算出 単純な画像の比較については以下の記事を参照。 関連記事: Python, OpenCV, NumPyで画像を比較（完全一致か判定、差分取得など） PSNR（ピーク信号対雑音比）とは PSNR（ピーク信号対雑音比、Peak signal-to-noise ratio）の定義は以下の通り。 Peak signal-to

はじめまして．東北大学大学院情報科学研究科 橋本研究室に所属している，博士後期課程1年の千葉直也と申します． 我々の研究室ではロボットのための視覚（ビジョン） であるロボットビジョンを中心として幅広い研究を進めており，私は特に産業ロボットのためのビジョンに関わる研究を行っています． はじめに 「ロボット」と聞くと，100万馬力の少年ロボットや青いネコ型ロボット，エヌ氏の購入したきまぐれなロボットなどを想像する方が多いのではないでしょうか． これらのロボットはヒューマノイドロボットと呼ばれるロボットに分類され，人間と同じ空間で働くことを想定しています．実在するヒューマノイド ロボットでは，ソフトバンクのPepperやホンダのASIMO，Boston DynamicsのAtlas，早稲田大学のWABOTなどがあります． 私たちの 身近な環境は人間が使いやすいことを目指して設計されているため，こ

Explore all metrics – including cases, deaths, testing, and vaccinations – in one place.

Posted by Ann Yuan and Andrey Vakunov, Software Engineers at Google Today we’re excited to release two new packages: facemesh and handpose for tracking key landmarks on faces and hands respectively. This release has been a collaborative effort between the MediaPipe and TensorFlow.js teams within Google Research. Try the demos live in your browserThe facemesh package finds facial boundaries and lan

物理ベースレンダリングに入門するための連載の第1回です。 今回は物理ベースレンダリングの概念とその背後にある考え方についてまとめます。 はじめに 物理ベースレンダリングとは 物体に入射する光の行方 エネルギー保存の法則 フレネル反射 反射した光の行方 マイクロファセット 幾何減衰 屈折した光の行方 サブサーフェイス・スキャタリング 拡散反射の簡易モデル まとめ 連載一覧 はじめに この連載では物理ベースレンダリングに関する基礎的な知識をまとめていきます。 まずこの第1回目では物理ベースレンダリングの概念について説明します。 第2回では実装を行う上で用いる式を一通り紹介し、第3回ではUnityにおける実装を行います。 リアルタイムレンダリングを前提としているため、オフラインのパストレーシングなどの話題は取り扱いません。 また物理ベースレンダリングと銘打ってはいますが、シェーディングモデルを中

細田 翔 / Sho Hosoda @gam0022 ソフトウェアエンジニア / グラフィックスエンジニア KLab株式会社 略歴 / Biography 群馬県出身、東京在住。グラフィック特化型のUnityエンジニア。 中学生時代（2007年頃）にHSPと出会いゲームプログラミングに熱中する。 中学生ながら開発したゲームが2度もWindows100%に掲載される。 2011年に筑波大学情報学群情報科学類へ入学。 在学中にはTwinCalという筑波大学に特化した時間割のWebアプリケーションを開発する。TwinCalは在学生に広く利用され、学生のためのアプリ開発コンテストのファイナリストにも採択される（後輩に運用を引き継ぎ、現在も運用されている！）。計算幾何学とグラフィックス研究室に所属し紙模型に特化したCADに関する研究を行い、その業績を評価され筑波大学情報学群長表彰を受賞する。 さらに

はじめに 単一の分布を使ったモデル 正規分布 同時分布の設計 同時分布からのサンプリング Pyroコード ベルヌーイ分布 同時分布の設計 同時分布からのサンプリング Pyroコード カテゴリ分布 同時分布の設計 同時分布からのサンプリング pyroコード 混合モデル ガウス混合モデル 同時分布からのサンプリング Pyroコード ディリクレ過程混合モデル（某折過程モデル） 同時分布からのサンプリング Pyroコード 最後に はじめに Pyroで確率モデリングを書くときには「確率モデリング自体を知ること」と「Pyroの書き方を知ること」の両方が必要です。今回はPyroの書き方に重点をおいて、とある確率モデルを記述するためのPyroでのコード例を適当に記載します。 約束事として、観測変数（データ） $x$ に対して、このデータの生成にまつわるパラメータをすべてひっくるめて $\theta$ と記