Skip to content

ClasCat® AI Research

クラスキャット – 生成 AI, AI エージェント, MCP

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

TensorFlow Graphics : README

Posted on 05/24/2019 by Sales Information

TensorFlow Graphics : README (翻訳/解説)

翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 05/24/2019

* 本ページは、TensorFlow Graphics の github レポジトリの次のページを翻訳した上で適宜、補足説明したものです:

  • https://github.com/tensorflow/graphics/blob/master/README.md


* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

 

TensorFlow Graphics : README

ここ数年、ニューラルネットワーク・アーキテクチャに挿入可能な新奇な微分可能なグラフィックレイヤーが出現してきています。空間的な変換から微分可能なグラフィックレンダラーまで、これらの新しいレイヤーは新しいより効率的なネットワーク・アーキテクチャを構築するために長年に渡るコンピュータビジョンとグラフィックス研究で獲得された知識を活用しています。幾何学的事前分布 (= geometric priors) と制約をニューラルネットワークに明示的にモデリングすることは堅固に効率的にそしてより重要なことに self-supervised (自己教師あり) 流儀で訓練可能なアーキテクチャへのドアを開けます。

 

概要

高位レベルでは、コンピュータグラフィックス・パイプラインは 3D オブジェクトの表現とシーンにおけるそれらの絶対的な位置、それらが成る素材の記述、ライトとカメラを必要とします。そしてこのシーン記述は合成レンダリングを生成するためにレンダラーにより解釈されます。

比較すると、コンピュータビジョン・システムは画像から始めてシーンのパラメータを推論することを試みるでしょう。これはどのオブジェクトがシーンにあるか、どの素材からそれらが成るか、そしてそれらの 3-次元位置と方向の予測を可能にします。

これらの複雑な 3D ビジョン・タスクを解ける機械学習システムの訓練は殆どの場合に巨大な量のデータを必要とします。データのラベル付けはコストのかかる複雑なプロセスですので、多大な監視 (= supervision) なしで訓練されながら 3 次元世界を理解できる機械学習モデルを設計するためのメカニズムを持つことは重要です。コンピュータビジョンとコンピュータグラフィックス技術の結合は巨大な総量の容易に利用可能なラベル付けされていないデータを活用する唯一無二のチャンスです。下の画像で示されるように、これは例えば analysis by synthesis (合成による分析) の使用により獲得されます、そこではビジョンシステムはシーン・パラメータを抽出してグラフィックスシステムはそれらに基づき画像をレンダリングし戻します。レンダリングが元の画像と一致すれば、このビジョンシステムはシーン・パラメータを正確に抽出しています。このセットアップでは、コンピュータビジョンとコンピュータグラフックスは協力して、self-supervised 流儀で訓練可能な、オートエンコーダに類似した単一の機械学習システムを形成します。

TensorFlow Graphics はこれらのタイプの挑戦に取り組むことを助けるために開発されていてそしてそのために、貴方の最適な機械学習モデルを訓練してデバッグするために使用できる、微分可能なグラフィックスとジオメトリ・レイヤー (e.g. カメラ、反射 (= reflectance) モデル、空間的変換、メッシュ convolution) そして 3D ビューア機能 (e.g. 3D TensorBoard) を提供します。

 

TensorBoard 3D

視覚的デバッグは実験が正しい方向に進んでいるかを査定するための良い方法です。この目的のために、TensorFlow Graphics は 3D メッシュとポイントクラウドを対話的に可視化するために TensorBoard プラグインを装備しています。このデモ はプラグインをどのように使用するかを示します。TensorBoard 3D をインストールして configure するためには これらの手順 をフォローしてください。TensorBoard 3D は現在のところ eager execution と TensorFlow 2 と互換でないことに注意してください。

 

 

以上






クラスキャット

最近の投稿

  • LangGraph 0.5 : エージェント開発 : エージェント・アーキテクチャ
  • LangGraph 0.5 : エージェント開発 : ワークフローとエージェント
  • LangGraph 0.5 : エージェント開発 : エージェントの実行
  • LangGraph 0.5 : エージェント開発 : prebuilt コンポーネントを使用したエージェント開発
  • LangGraph 0.5 : Get started : ローカルサーバの実行

タグ

AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Eager Execution (7) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.6 (7) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (24) LangGraph 0.5 (9) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Agents SDK (8) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) OpenAI ヘルプ (8) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Deploy (8) TensorFlow Get Started (7) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2019年5月
月 火 水 木 金 土 日
 12345
6789101112
13141516171819
20212223242526
2728293031  
« 4月   6月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme