memo.sugyan.com の続編。 あれから色々な変更しつつ実験してみたりしたのでその記録。 結論を先に書くと、これくらい改善した。 DCGAN ざっくりおさらい Generator: 乱数の入力から画像を生成する Discriminator: 入力した画像がGeneratorが生成したものか学習データのものかを判別する という2種類のネットワークを用意し、お互いを騙す・見破るように学習を行うことで Generatorが学習データそっくりの画像を生成できるようになる、というもの 学習用画像の増加 前回の記事では90人の顔画像データから生成していたけど、あれから収集を続けて もう少し多く集まったので、今回は260人から集めた顔画像100点ずつ、計26,000件を学習に使用した。 Feature matching openai.com の記事で紹介されている "Improved Tech

白い背景と黒い背景で別の絵に変わる画像を作りましたが、これをカラーでやるのは無理だと思っていました。 ですが、がんばればできることが分かりました。 ニコニコ動画版 その画像がこちらです。 こちらの画像をクリックすると大きい画像が表示されるので、そちらを保存してください。 先ほどの動画のように、iPhoneのカメラロールで表示するか、PC上でPowerPointやExcelに挿入してやると、よくわかります。 Twitterに投稿すれば、色まで変わる「クリック推奨画像」になります。 (再)今までカラーの「クリック推奨画像」を作った人はいただろうか？ なぜ黄色が青や赤に変わるのか、作った自分でも不思議。 (PCの公式クライアントでないと多分見えません)https://t.co/VCBdJRtDjo pic.twitter.com/AFUVte0r1O — Yusuke Ochiai (@taro

「Live2D」は、完全2Dのまま立体表現を可能にした表現技術のこと。数年前から開発が行われており、当初はベクターデータの原画からLive2Dモデルを構築して動かす「Live2D Vector」が発売されていたが、現在はラスターデータを扱える「Cubism（キュビズム）」シリーズが展開されている。 公式サイトにアクセスすると、制作の様子や実際にキャラクターが動いているシーンを簡単にまとめたムービーが再生される。この映像ができるまでの主な作業は、一枚の原画からパーツを切り出し、エディタ上でLive2D用にモデリングし、そこにモーションを付けて映像として出力するという流れ。後はエフェクトなども掛けられているが、一枚の静止画から表現できるレベルをこの映像から想像することができるだろう。 Live2Dの採用作品数については、2009年の提供開始以来、倍増以上のペースで増えており、2012年では約3

NVIDIA，独自のアンチエイリアシング技法「FXAA」「TXAA」をアピール。いまあらためて振り返るアンチエイリアシングの歴史 ライター：米田 聡 2012年11月22日，NVIDIAは，都内で報道関係者向け説明会を開催した。同社は8月に，新しいグローバルイルミネーション（Global Illumination，大局照明）技法や「Unreal Engine 4」を題材とする説明会「Technologies in Games of Tomorrow」（関連記事）を開催しているが，今回の説明会タイトルは「Technologies in Games」。つまり将来ではなく，今日（こんにち）すでに使うことのできるゲームの技術ということで，テーマはアンチエイリアシング（Anti-Aliasing，以下 AA）である。 GPUの進化とAA 竹重雅也氏（Developer Technology Engi

IK を実装して踊れるようになった。 11月2日現在、「きしめん」を踊ってくれる。普通のスピードで再生できれば25秒ぐらい。 http://edv.sakura.ne.jp/mmd/ MMD のフレームは 30fps なので、リアルタイムに再生するなら 1000ms/30=33ms ぐらいで1フレームの処理を終えなければならないのだけど、IK の計算で 30ms ぐらいかかってしまう時もあり（GC のためか）、物理演算までやるのは厳しくなってきた。今でさえちょっと遅いパソコンだとスローモーションになってしまう。あと Firefox より Chrome のほうがかなり速い。 Lat 式から頂点数の少ないモブ子さんに替えてみた。Firefox でもヌルヌル動くはず。ただし Windows の Firefox にはバグがあるので真っ白になることもある。 物理までやったらもうちょっと最適化してみる

米Googleは12月7日（現地時間）、スマートフォンで撮影した写真で検索できるアプリ「Google Goggles」のAndroid版を1.7にアップデートし、新機能を追加したと発表した。 シャッター不要の「continuous mode」 Gogglesを起動して調べたい対象を画面に映すだけでその画像がGoogleのサーバに転送され、検索結果が表示されるようになった。シャッターを押す必要がないため、従来より高速に検索ができる。大量のバーコードを読みながら検索する場合などに便利だ。 ただし、continuous modeでの検索結果はGoggles Search Historyの履歴として残らない。また、テキスト翻訳モードも利用できないので、こうした目的の場合は従来のようにシャッターボタンを押す必要がある。 テキストからオンライン版へのリンクを提示 検索対象としてテキストを選ぶと、検索結

米Googleは11月18日（現地時間）、オープンソースのWeb向け画像フォーマット「WebP（ウェッピーと読む）」に、可逆圧縮（ロスレス圧縮）モードと透過度を設定できるアルファチャンネルを追加したと発表した。 WebPは、同社が昨年9月に発表した画像フォーマット。Webサイトのページ読み込みの高速化を目的としており、ビデオフォーマット「WebM」のビデオ圧縮技術「VP8」を流用している。発表の時点では、JPEGのような非可逆圧縮にのみ対応していた。10月にはアニメーション、ICCプロファイル、XMPメタデータをサポートした。 Webページ向けの画像フォーマットとしては、一般に写真など階調の細かい画像にはJPEGが、ロゴやアイコンなどにはPNGが、アニメーションにはGIFが採用されることが多いが、今回の機能追加でWebPがそれらに取って代われることになる。ただし、今のところWebPに対応す

ポリゴンが不要になる時代も来る？ オーストラリアのゲーム会社が、ある画期的なCG技術を開発しているそうです。 この技術は「Unlimited Detail Technology」と呼ばれ、従来の3DCGに比べ、より細部まで正確に立体物を表現できる点が特徴。そして何と言っても、「ポリゴンを使っていない」という点で多くのユーザーを驚かせました。 私たちが普段見ているCG映像の多くは、ポリゴンと呼ばれる多角形の「板」を無数に組み合わせることで立体物を描いています。しかしこの「Unlimited Detail Technology」ではポリゴンの代わりに、微細な「粒」を組み合わせて物体を表現。ポリゴンの場合はどうしても、アップで見ると板の継ぎ目がカクカクして見えてしまいますが、この方法なら理論上、どんな複雑な形の物体でも正確に再現することが可能なのだそうです。 百聞は一見にしかず、まずはYouTu

もうCGと現実の区別がつかなくなった。岩国基地の航空ショーが凄いことに...（動画）2010.10.13 16:00 初見で本物だと思った戦闘機も、一度観たあと本当に本物なのかよくわからなくなってきて、もう一回眼を凝らして観てしまいました。素晴らしい実写合成テクですね。 ｢Frenz2010｣という映像作品のライブイベントで公開された作品のようです。10分ほどの作品ですが、とってもワクワクしてしまいましたよ。個人的にはメイヴ雪風の登場が嬉しかったです。｢何か異常な飛び方を見せてくれそう♪｣って語りも良いですね。 [FRENZ 2010] （鉄太郎）

「とりあえず30万箱ほど精製してみたが･･･別に全て動かしてしまっても構わんのだろう？」■一般ﾋﾞﾄﾚでは(予想通り)悲惨なことになったので、仕方なくﾌﾟﾚｱｶ登録･･･Webﾏﾈｪ･･･■タイトルはボクセル[voxel]改変の勝手な造語。ﾐｽｽﾍﾟﾙじゃないから！■MMD杯wiki:http://www31.atwiki.jp/mmdcup/■本選マイリス:mylist/20429464■過去作品:mylist/10887381,mylist/4347940■予選作品(タイトル変更済):sm11569284■9/7追記:第5回MMD杯閉幕。たくさんのご視聴／応援／宣伝ありがとうございました！■閉会式→sm12018871

いよいよ今年もSIGGRAPHが始まる時期となった。本エントリでは、ダルムシュタット工科大学 (TUD) とマイクロソフトの合同チームによる、"Ambient Point Clouds for View Interpolation"と題されたtechnical paperから魔法のような視点補間技術を紹介したい。 まず、デモビデオをご覧いただくのが良いだろう。最初の方は既存手法の説明となっているが、目的は複数の写真をシームレスにつないで、破綻なく別視点に移動できる3次元モデルを再構築することである。02:44あたりから手法の適用結果が示されているので、まずそこを御覧頂きたい。これは、たとえばFlickrから集めてきた写真（当然カメラ位置も不明）から一切人の手を経ず全自動で生成されるのだ。 以下、論文*1に従って本手法の概要について説明を行う。本エントリで扱う図表は論文からの引用である。例に

SIGGRAPH2009で発表された"Moving Gradients: A Path-Based Method for Plausible Image Interpolation"という論文*1では、2枚の連続する入力画像を与えると、その間のフレームを極めて自然に補間生成する新たな手法を提案している。 図1 図1は両端の入力画像A, Bから間の3フレームを生成した例を示している。生成する補間フレーム数は任意で何枚でも生成可能であり、極めて自然な補間が実現できている。この例の驚くべきところは、制約条件を有する複雑で柔らかな局所変形を含む自然な補間画像が、全自動で生成されている点である。モーフィング処理では対応点を一点一点指定する必要があるが、ここで必要なのは2つの画像を選択するだけだ。 生成される補間画像の品質は素晴らしく、またアイデアもシンプルで興味深いので、原論文を参照して本手法の概要