キーワードDwangoMediaVillageを含む動画:6件 ページ目を表示
2024年7月9日 07時10分に生成された05時00分のデータです
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
2017-12-25 18:51:24
白黒漫画の色塗りをDeep Learningで予測する ~参照画像を使って~この動画はドワンゴアドベントカレンダー 26日目(延長戦!)の記事 「白黒漫画の色塗りをDeep Learningで予測する ~参照画像を使って~」に関する動画です。
私は、Dwango Media Villageで研究を行なっている古澤です。
Dwango Media Villageは、ドワンゴの機械学習系の研究とその応用を行なっているチームです。
今回紹介するのは白黒漫画にDeep Learningで着色する研究です。
動画では、応用としてプロジェクタを用いて実世界のイラストにも着色結果を投影した様子を紹介します。
□ 記事「白黒漫画の色塗りをDeep Learningで予測する ~参照画像を使って~」
https://dwango.github.io/articles/comicolorization/
□ 研究紹介ページ
https://nico-opendata.jp/ja/casestudy/comicolorization/index.htmlすげえ
- 2,472
- 20.1
- 10.0
- 80.3 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
2020-11-25 19:00:00
RPGアツマールのゲームプレイを学習するシステム「マールタス」仕組みを解説してみたDwango Media Villageが開発したRPGアツマールのゲームプレイ方法を自動的に学習するシステム「マールタス」の紹介です。
マールタスはDeep Q-Learning(Q学習)と呼ばれる機械学習の手法を用いて、人がルールを教えなくても自らゲームを何度もプレイしながら上達します。
今回はすりっぱさんの「1分剣闘士」を学習する様子を観察してみました。
後日、学習のコア部分であるDeep Q-Learningの分散学習実装を公開する予定です!
マールタスの詳しい情報はこちらから
今回題材にしたゲーム: 「1分剣闘士」by すりっぱさん:
BGM: NEW ROMANTIC BOYさん https://commons.nicovideo.jp/material/nc161060これが分からない 敵を倒すことを覚えた様子です(決意の目覚め) すごい
- 351
- 41.1
- 51.4
- 20.6 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
1970-01-01 09:00:00
- 0
- 0nan
- 0nan
- 0nan YouTubeで検索