タグDwangoMediaVillageを含む動画:4件 1ページ目を表示
2024年6月14日 07時09分に生成された05時00分のデータです
2018-08-06 15:45:00
スマートフォンで人工生命数十体がリアルタイムに学習可能な深層強化学習SIGGRAPH 2018 Studio で発表する論文 “Real-Time Motion Generation for Imaginary Creatures Using Hierarchical Reinforcement Learning” のデモビデオです。
強力な計算機を使わず、スマートフォン上でも、様々な身体形状をもつ数十体の人工生命が、最適な動き方と行動の計画をリアルタイムに学習して実行することができる手法を提案します。
また、このアルゴリズムを誰もがUnity上で利用できるように、オープンソース化し、手元で実行可能なデモアプリケーションを公開しています。
SIGGRAPHの会場では、さらに来場者が複数の生命を配合して新たな身体形状の生命を誕生させ、多様性が広がっていくデモンストレーションを行います。
研究の詳細や、手元で実行可能なデモはこちらをご覧ください
https://dmv.nico/ja/casestudy/rlcreature/
論文はこちら https://dmv.nico/assets/img/casestudy/rlcreature/siggraph2018_rlcreature.pdf
Unity向けOSSはこちら https://github.com/dwango/RLCreatureあんなのただの感情に流された脆弁よ アニメのモーションづくりが楽になると思ってたのになんじゃこりゃ これ自体がダメなんじゃなくてこの動きを気持ち悪いと言ったことがダメなんやで 説教ってボケ爺のたわごとやん そういうのは実装しないと出来ないんじゃ......
- 5,616
- 460.8
- 00.0
- 140.2
YouTubeで検索
2018-04-02 19:56:43
Unsupervised Adversarial Learning of 3D Human Pose from 2D Joint LocationsDwango Media Villageの研究
“学習に3Dデータセットを用いない3D姿勢推定”
のデモビデオです
https://nico-opendata.jp/ja/casestudy/3dpose_gan/index.html
This is the DEMO of our research ‘Unsupervised Adversarial Learning of 3D Human Pose from 2D Joint Locations’
https://nico-opendata.jp/en/casestudy/3dpose_gan/index.htmlカメラ一つで多数の視点からの座標が出せてるの? これは実用上でも便利だし、必要なデータの次元が少ないから柔軟性がありAGIへの応用もできそうだ
- 4,587
- 60.1
- 10.0
- 30.1
YouTubeで検索
2018-10-24 21:40:04
【ARTILIFE】大垣慶介インタビュー(Long ver.)ドワンゴが贈る新サービス、人工生命観察プロジェクト『ARTILIFE』の深層強化学習実装担当 大垣慶介氏のインタビュー。
web:https://artilife.net
twitter:https://twitter.com/ARTILIFE_jp?lang=ja
© DWANGO Co., Ltd.SteamでANLIFEとして出すと聞いて サービス終了悲しいなぁ よろしい、私が被験者になりましょう 大垣さーん! ニートになるのかw 4 3 2 1
- 907
- 91.0
- 00.0
- 101.1
YouTubeで検索
2018-09-13 16:30:01
複数参照画像を用いた画風転写 / Blending Texture Features from Multiple Reference Images for Style TransferDwango Media Villageの研究
"Blending Texture Features from Multiple Reference Images for Style Transfer"
のデモビデオです。
この研究では、与えられた画像集合から集合中の画像に共通する画風を学習し、
学習された画風を別の画像へ適用する方法を提案しています。
ビデオの前半では、3Dキャラクタのショートムービーと
別の画風を転写した結果を比較しています。
ビデオの後半で上部に表示されるグラフは、複数の水彩画候補のブレンド比率で、
元のビデオのシーンが変わるごとに、比率も適応的に変わっていくことがわかります。
□研究紹介ページ
https://dmv.nico/ja/casestudy/neural_style_synthesizer/
□Dwango Media Village HP
https://dmv.nico/ja/
□Dwango Media Village Twitter
https://twitter.com/Dwango_DMV
This is the DEMO of our research 'Blending Texture Features from Multiple Reference Images for Style Transfer'.
We present an algorithm that learns a desired style of artwork from a collection of images and transfers this style to an arbitrary image.
□Project Page
https://dmv.nico/en/casestudy/neural_style_synthesizer/- 132
- 00.0
- 00.0
- 00.0
YouTubeで検索