こんにちは。ぼへみあです。 前回の記事、人工知能でアニメの作画監督の仕事を助けよう　〜準備編〜では、作画監督の苦労を減らすべく、ディープラーニングで作画判定できるかを検証すべく、SHIROBAKOを題材として、各話数の宮森の顔のデータセットを作りました。 今日は学習結果について検証して、今後の展望を述べたいと思います。 おさらい 作画監督のグループを作り、作監がかぶらないように抽出する話数を決めました。 グループ 話数 作画監督 グループ1 8話 秋山有希さん　大東百合恵さん グループ2 13話 しまだひであきさん　松坂定俊さん グループ3 15話 野田康行さん　齊藤佳子さん グループ4 20話 渡辺佳奈子さん　佐野陽子さん　深澤謙二さん そして、各グループのデータセット例はこんな感じです。 このように、正解が与えられてても、僕は全く見分けがつきません。 人でも区別ができないものがディープ

こんにちは。ぼへみあです。 SHIROBAKO Advent Calendar 2016の26日目を勝手にやります。今年は申し込み忘れてしまったので。 SHIROBAKOを見て、仕事を頑張る人の人間関係や仕事の進め方に大きく感銘を受けたのですが、同時にアニメ業界の過酷さを世に広めた作品でもあります。 また最近では、製作会社のP.Aワークスの動画マンの待遇がブラックすぎるということで炎上騒ぎになってしまいました。 社会一般的な待遇と比較すると厳しいものがあるのですが、アニメ制作会社の中ではこれでも育成に力を入れているとのことです。 詳しくは、こちらのP.AワークスのQ&Aを読めば分かります。 P.A.WORKSが必要としているのは原画マンです。誤解を招くかもしれませんが、動画は原画育成のための先行投資として考えています。動画はスピード、物量、単価の面から業界全体が海外への依存度を高めています

最近おそ松さんというアニメが流行っていますね。 ６つ子のおそ松くんのアニメを現代版にアレンジした作品なのですが、その過程でそれぞれの兄弟の特徴が付けられています。 左から、おそ松、から松、チョロ松、一松、十四松、とど松で、順に長男次男三男・・・となっています。 簡単にまとめると、このようになります。 生まれ 名前 色 特徴 長男 おそ松 赤 クズ 次男 から松 青 ナルシスト 三男 チョロ松 緑 ツッコミ、意識高い系 四男 一松 紫 コミュ障 五男 十四松 黄色 マイペース 六男 とど松 ピンク 甘え上手、腹黒 それぞれの色を着ているときは、簡単に見分けられますが、そうでないときは見分けるのに困難を伴います。 髪や目つきにも特徴があるので、見分けることができるので、このような表を作ってらっしゃる方もいます。 それでも結構苦労したので、同じくディープラーニングで学習させたモデルで判別できない

米Walt Disney Animation Studiosはこのほど、ディズニーのアニメ映画「モアナと伝説の海」（2016年）に登場する架空の島「モトヌイ島」の3DCGデータアセットを無償公開した。研究目的やソフトウェア開発用途に限り自由に使える。 公開されたデータには、島に生息する木や植物、岩、海、海中生物、雲などを含む150億以上の要素が含まれているという。島全体を静止画として書き出すために必要なデータだけで約45GB、アニメーションとして動かす場合に必要なファイルはさらに約24GBにも上る。 データのライセンス要項、アイテムごとの解説などは、同時に公開されたReadMe（PDF）から確認できる。 同社のライセンスによると、このデータを使った制作物にディズニーの社名や「モアナと伝説の海」といった名前を使うことは許可されていない。公開されたデータを示す場合は「モアナ島の風景」と呼ぶこと

こんにちは、UIデザイン4チームのイ・ジヘです。 今回は、LINEのUIデザイナーたちが日々参考にしているデザイン系のウェブサイトをご紹介いたします。 特にスマホのUIデザインは2007年、iPhoneが世に出た後から本格的に注目され始めたと言えるでしょう。 そう考えると歴史がまだ12年くらいしかないないんですね。さらに、用語さえもUI DesignとProduct Designが混用されている程で、現在進行形のジャンルであり、どんなデザイン分野よりも最も早くトレンドが変わっています。 どの分野も変わらないかもしれませんが、トレンドの発信地が米国であることが多いため最新の情報は英語で見つけるのが最も効果的です。 英語で探して見るのが難しいとお思いかもしれませんが、私たちが勉強し仕事をする分野は視覚イメージだけでも直観的な理解が可能だと思います。内容の要旨を完璧に把握しなくても、トレンドを見

「風景写真をイラスト・アニメ風に加工する」という記事を読んで、実際に試してみたという方もいたと思うのですが、なんだかんだいって大変という声もあったので、ある程度のところまで作業を自動化する、photoshopのアクションファイル「ブリ子ロジック」を作りました。※Photoshopの基本的な操作、アクション機能をよくご理解している方が対象です。 Photoshop アクションファイル「ブリ子ロジック」 価格：1,100円（税込み） 【ご購入はこちら】 動作環境：Adobe Photoshop CC2017(18.1.7)以降 加工推奨サイズ：1920ピクセル×1280ピクセル マニュアル：こちらの動画を必ずご覧ください ※マニュアルをよくご理解の上、ご購入ください。 ※photoshopの基本的な操作、アクション機能をよくご理解している方が対象です。 ※上記以前のバージョンでは動作確認を行っ

The Blog | Welcome to Adobe Blog アドビのブログでは、Creative Cloud、Document Cloud、Experience Cloudの最新情報や役に立つ情報を紹介しています。

最終更新日: 2022年10月3日 Photoshopで画像から人や物などのオブジェクトを除去する方法は、デザイン制作において重要なテクニックです。しかし、用途に応じてツールを使い分け、除去レタッチ作業を行っているというひとは、どれだけいるでしょう。 今回は、Photoshopの各種ツールを駆使した除去、消去テクニックと、いつその技を使うのがベストなのか、各サンプルと一緒にまとめてご紹介します。これらの方法を実践することで、写真に写り込んでしまった不要なモノを、2〜3分の短時間で、スピーディーに除去することができるので、フォトショップ初心者のひとにもオススメです。

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 最近ではDeepLearningを使って識別制度が上がったという話をよく耳にするようになりましたよね。 他の機械学習と組み合わせて最強の囲碁ソフトを作ったとか、自動運転に応用するとか、株取引をやらせるとか、最先端の技術はすごいなあと思います。 なので僕もやることにしました。 そもそもDeepLearningが一体何者であるにせよ、我々の生活を豊かにしてくれなければ、どんな凄いことをしても「へーすごいなー」で終わってしまう話です。自分の手元に届かなければ意味がない。なので僕は噂のDeepLearningに、僕自身の生活を豊かにし

ABEJAでリサーチャーをしている白川です。 皆さん、アノテーションしていますか？ 私はしています。アノテーション、自分でやるのは大変ですよね。 AIというとモデルの学習に注目されがちですが、もしかしたら、アノテーションはAI開発においてモデル開発以上に重要で注意の必要なプロセスかもしれません。今回はなぜアノテーションがそれほど重要なのか、良いアノテーションとはどのようなアノテーションなのかについて、機械学習的にアプローチしてみたいと思います。 アノテーションを機械学習で解析するの、楽しいですよ。 なお、本記事に関連して、2018年7月1日に開催されるccse2018というカンファレンスでもお話させていただく予定です。記事内では触れられなかった内容についてもお話させていただくかもしれないので、ご興味ある方はチェックしてみてください。 この記事を読むとわかること アノテーションはAIの開発・

クラウドエンジニアブログ 画像のデータセット作成が楽になる！Microsoft のアノテーションツール、VoTT のご紹介 印刷する 画像分類、物体検出、セグメンテーションなどの画像認識を行う際、避けては通れないのが、学習に使用する正解データセットの生成です。 機械学習全般に言えることですが、精度の高いモデルを構築するためには質の良い学習データを用意することが重要です。もちろん、単にモデルを作るだけであれば、公開されているデータセットの中から条件にあうものを使用する形でもかまいません。しかし、実務への応用を目指し、会社独自の機械学習モデルを構築する際には、自社で保有する動画・画像から学習用のデータセットを作成する必要があります。 ただ、画像に対してアノテーションを行い、学習用のデータセットを作成する工程では、多くの時間と人件費がかかってしまうことが課題でした（アノテーションとは、対象となる

動画を機械学習されるあたり、画像に変換する必要があったのでメモ。なんかググって一番最初に出てきたサイトのオプションではできなかったので注意 1秒毎に〜枚画像を生成したい場合 -rオプションをつけることで指定フレームごとに抽出できる。以下のように-r 2をつけると１秒あたり２枚の画像を出力する。動画が１分あれば120枚の画像が出力されるはず。 ffmpeg -i input.mp4 -r 2 -vcodec mjpeg image_%04d.jpg 〜秒毎に１枚画像を生成したい場合 fpsオプションで可能。以下は１秒毎に画像を出力したい場合 ffmpeg -i input.mp4 -filter:v fps=fps=1:round=down image_%04d.jpg fpsはframe per second の略で、「1秒あたりのフレーム数」という意味である。つまり、値を小さくすればその

class Ffmpeg < Formula desc "Play, record, convert, and stream audio and video" homepage "https://ffmpeg.org/" url "https://ffmpeg.org/releases/ffmpeg-4.1.3.tar.xz" sha256 "0c3020452880581a8face91595b239198078645e7d7184273b8bcc7758beb63d" head "https://github.com/FFmpeg/FFmpeg.git" bottle do sha256 "14a4dc07d1ffb6d44d90adb72185434d6c0127cf26a8ebd05ca64fa2c4baca56" => :mojave sha256 "761b2093769004

■ 動画や音声を扱うための非常に強力なツール ffmpeg ffmpegは動画や音声を扱うための非常に強力なツールです。 LinuxやMac、Windowsでも使えます。扱えるフォーマットも多数あり、使いこなせばかなりのことができます。 ① 連番画像から動画変換 連番画像から動画を生成できます。 png連番画像から動画生成 例えば次のような連番のpng画像から.mp4の動画を生成する場合。 image_001.png image_002.png image_003.png ...... この場合は、連番画像からフレームレート60fpsの.mp4形式の動画を生成します。 -r が2回書いてありますが、最初の -r オプションで30fpsの連番画像ということを明示して、それを2回目の -r オプションで60fpsで動画化するように指定しています。つまり、この場合に出力される動画は、1秒間に違う

他の言語になれた人が、初めてGoを書いた時にわかりにくいな、と思った部分はどのようなところがあるのか、難しいポイントはどこか、という情報を自分の経験や、会社の内外の人に聞いたりしてまとめてみました。まだまだたくさんあるのですが、多すぎるのでまずはこんなところで。コンテナで開発することがこれからますます増えていくと思われますし、その時にコンテナとの相性が抜群なGoをこれから使い始める人もどんどん増えていくと思います。 Goは特に言語のコアをシンプルに、何かを実現するときはそのシンプルな機能を組み合わせて実現しよう、というコンセプトです。つまり、他の言語で実現したいこと・できていることに比べて、Goは組み合わせ（イディオム）でカバーする領域が広くなります。そのあたりのとっかかりになる情報を提供することが、これからGoを触る人にとってつまずきを減らすことになると思います。 Go Conferen

標準ライブラリのhttpパッケージだけでもmiddlewareは簡単に作れますよ、というお話。 おさらい: http.Handlerまたはhttp.HandlerFuncでやり取りする Goのhttp.Handlerやhttp.HandlerFuncをちゃんと理解する - oinume journalに書いたとおり、 http.ListenAndServe ServeMux.Handle に渡すのは http.Handler なので、何かしらのmiddlewareもこのinterfaceを満たすことを考えればよい。もしくは ServeMux.HandleFunc を使うのであれば http.HandlerFunc を使うでもよし。 middlewareはhttp.Handlerを引数に取り、http.Handlerを返す 例えば、 admin という名前のCookieを持っていないとアクセ

ミドルウェアとして Use するだけでパフォーマンスが向上するなんて夢の様な話はないと思っていたけど、HTTP Coala はそれをやってのけている様です。 goware/httpcoala · GitHub Go http middleware handler for request coalescing https://github.com/goware/httpcoala ちょっと信じがたかったので、まずはベンチマークを取ってみた。 Coala 未使用 package main import ( "net/http" "github.com/zenazn/goji" "github.com/zenazn/goji/web" ) func main() { goji.Get("/", func(c web.C, w http.ResponseWriter, r *http.Reques

こんにちは。ふぁぼ通知が好きなうなすけです。 モバイルアプリでは、Push通知によってユーザーに情報を伝えたり、行動を促したりすることが日常的に行われています。 その通知を送る対象のユーザーが数十人程度の規模なら、愚直に一通一通送信すればいいでしょうが、一気に万単位のユーザーにPush通知を送信したい場合、愚直に送信すると完了までに数時間かかることも往々にしてあります。 CASHでの大量Push通知事例 以前、ある施策のために42万件のPush通知を送る必要がありました。CASHではFirebase Cloud Messaging(以下FCM)をPush通知の送信に使用しているのですが、このとき、通知1件ごとにAPIを叩いていく方式だと送信完了に1日かかってしまうという事態になりました。 FCM Topic Messaging そのような場合に使用できるのが、Topicを用いた通知の送信で

はじめに 人工知能の研究・開発が近年ブームとなってきており，様々な分野で色々な成果が出ています． 文書の自動要約技術も大きな枠組みではAIの分野で，専門的には自然言語処理という分野になります． 文書要約は，新幹線の電光掲示板やWebニュースの見出しに用いられたりしますが，使い方はニュースのようなきっちりした文書に限らないと思います． 本記事では，文書要約アルゴリズムLexRankを用いて，ECサイト(楽天)の商品レビューを要約することで素早く購入者の典型的なレビューを可視化することをやってみたいと思います． LexRank LexRankはErkanらがPageRankの概念を元に提案した文書要約のアルゴリズムになります． 元論文: LexRank: Graph-based Lexical Centrality as Salience in Text Summarization 細かいとこ

リクルートテクノロジーズの大杉です。 広島市立大学修士２回生の飯沼さんと一緒に、自然言語要約ツールを作りましたので、リクルートテクノロジーズのgithubアカウントにて公開します。このapiでは、入力した文章から、指定したパラメータ（行数など）に応じて、重要だと思われる文の抽出ができます。例えば、当ブログ当記事の直前のこの記事を3行で要約すると、以下のようになります。 1. “リクルートテクノロジーズでは、ここ最近、UXデザインの専門家とビッグデータの専門家が、協力してリクルートグループ内の各事業に入り、プロジェクトを推進していく事例が多くなっています。”, 2. “UXデザインでは、定性的なリサーチと定量的なアクセスログ解析を組み合わせて、ユーザ行動を可視化することは以前からやってきました。”, 3. “「成功体験とは何か」を定義して、きちんとデザインできるかが、UXデザインの大きな目的

こんにちは、開発ディレクターの五味です。クックパッドにレシピを投稿してくれるユーザーのための機能やサービスを開発する「投稿開発部」に在籍しております。 投稿開発部は、2018年1月に前身となる部からメンバーを一新して発足した部署です。自分たちで1から戦略を作るため、強い実感を持ってユーザーを理解することを信条に、資料を読んだり前任者に聞いたりするだけではなく、実際にユーザーとたくさん話し、たくさんレシピを投稿し、ユーザーのことをたくさん考えてきました。 この記事では、その中でぶつかった課題を解決するために取り入れた書籍や、それをうまく業務に取り入れるために行っている工夫を紹介します。 サービス開発にはさまざまな壁が現れる ユーザーと事業目標に真摯に向き合うほど、サービス開発にはたくさんの壁が現れます。私たちも例外ではなく、部の発足以降、以下のような壁に激突してきました。 「ユーザー課題の見