最近公開された機械学習の最新論文の中から「ソースコード、事前学習済みのモデル、データセット」が与えられているホットなものを選んで紹介。実際にＡＩを動かして座学から抜け出そう！

バックナンバーはこちら。

エントリーについて

各論文・Githubや公式サイトで示されている実装手法に基づいて、何らかの題材をもとに技術を活用した/する意欲がある方は、各トピックスにある「エントリー」よりご連絡ください。結果にかかわらず取材させていただき、優秀な成果を挙げられている方はメディアでPRさせていただきます。

目次
1. AIがあなたのアバターを作成します
2. ディープラーニングの新しいトレーニング方法
3. AIによる遠隔医療
4. 自動運転のためLiDARの改善
5. 2枚の画像による教師なし学習

AIがあなたのアバターを作成します

AIにより、あなたの顔画像からアバターを作成することができます。

この数年で登場したGANにより、顔分析のタスクは驚異的なパフォーマンスを発揮しています。しかし現状では、任意の画像から高解像度でリアルな3次元の顔画像を作成する方法がありません。

この論文では、AvaterMeを紹介しています。これは任意のポーズ・照明条件でキャプチャされた画像から、高解像度のレンダリング準備が完了した3次元の顔の再構成する初めての方法です。

モノクロや肖像画など、様々な顔画像からレンダリング可能な顔を生成できます。これらの結果は入力写真の特徴を維持した再構成において、これまでにない詳細かつリアルさを発揮します。

実装してみよう！

ディープラーニングの新しいトレーニング方法

ディープニューラルネットワーク（DNN）の効果的で効率的なトレーニングには、最適化手法が非常に重要です。

最適化手法とは、損失（予測値と正解値の差）をゼロにするという目的を効率よく達成するための手法です。

この論文では、新しい最適化手法として勾配集中化（GC）を提案しています。GCは、損失関数のリプシッツネスとその勾配を改善するため、トレーニングを効率的に安定したものにします。

GCの実装は非常に簡単で、コード1行で既存の勾配ベースのDNN最適化に組み込むことができます。また、実験結果よりGCは様々な最適化とネットワークアーキテクチャを備えたタスクに適用可能で、効率化・汎化パフォーマンスの向上していることが分かります。

実装してみよう！

AIによる遠隔医療

AIの活用で医師の負担を軽減します。