Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
こんにちは。グッドパッチUIデザイナーの金谷です。 最近、ChatGPTで話題沸騰のAI。機械学習、ディープラーニングなどの技術の進歩が著しく、自然言語処理、画像認識、音声認識などの分野で、驚異的な精度と高速な処理能力を発揮しています。 ChatGPTにいろいろな「仕事」をさせる実験が流行っていますが、私自身もAIに負荷が高い(面倒)な作業を肩代わりしてもらえないか、実験をしてみたくなりました。 個人的な願いですが、AIの活用によって業務効率が飛躍的に向上するといいなと考えています。より創造的なタスクに時間をかけられ、品質の高いものを生み出せたり、人間が意思決定をする上で、十分な情報や条件がすぐにそろったり。 というわけで、デザインのワークフローにおけるどんな課題を解決できるのか、順に追って考えてみたいと思います。 Webアプリ・モバイルアプリデザイナーのワークフローごとに面倒な作業を挙げ
プロンプトを入力するだけで適切なモデルを出力してくれるBlenderのアドオン「BlenderGPT」が登場しました。OpenAIのGPT-4を使用しており、プロンプトを受けてPythonコードを生成します。 GitHub - gd3kr/BlenderGPT: Use commands in English to control Blender with OpenAI's GPT-4 https://github.com/gd3kr/BlenderGPT 導入方法は以下の動画でも確認できます。 3DCG製作ソフト「Blender」にGPT-4を統合する「BlenderGPT」の導入方法を解説 - YouTube まずはGitHubのリポジトリにアクセスします。続いて「Code」をクリックし、「Download ZIP」をクリックしてZIPファイルをダウンロード。 次にOpenAIのAPI
BuildAccess state of the art image and and video generative features with easy to use end point. Build and iterate video generation for your business, start plans includes: Intelligent instruction systemText to video, Image to VideoCamera Control, Extend, LoopBilled via usage creditsHyperfast generation timeYou own your inputs and outputs
Transformerは分散できる代償として計算量が爆発的に多いという不利がある。 一度みんなが忘れていたリカレントニューラルネットワーク(RNN)もボケーっとしている場合ではなかった。 なんと、GPT3並の性能を持つ、しかも完全にオープンな大規模言語モデルが公開されていた。 そのなもRWKV(RuwaKuvと発音しろと書いてある。ルワクフ?) RWKVはRNNなのでGPUメモリをそれほど大量に必要としない。 3GBのVRAMでも動くという。 時間がない方はビデオをご覧ください 僕の失敗は、何も考えずにgit lfs installでディレクトリごとコピーしようとしたこと。 このディレクトリには過去のモデルデータが全部あるので、ひとつ30GBのモデルデータを何十個もダウンロードしようとしていて終わらなかったのだ。 モデルデータは一とつあれば十分なのでひとつだけにする。 次に、chatのリポ
ChatGPTは「手前の文に確率的にありそうな続きの文字を繋げるAI」 まず最初にChatGPTの仕組みについて。 深津さんによるとChatGPTは、「手前の文に確率的にありそうな続きの文字をどんどん繋げていくAIである」とのこと。 例えば「昔々」という入力に対して、確率的にありそうな続きの文字は「あるところに」であるという具合に、続きそうな文字をただ出してくれるAIなんだそうです。 これを誤解していると求めているような回答がなかなか得られないので、ChatGPTに自分が求めている回答してもらうためには、確率的にありそうな続きの文字を出す方向性を狭めていくような質問をする必要があるそうなんですね。
画像生成AI「Stable Diffusion」は文章(プロンプト)を入力するだけで好みの画像を生成してくれますが、ローカル環境でStable Diffusionを使う場合は複雑な初期設定が必要です。オープンソースで開発されているPythonパッケージ「ImaginAIry」なら、Stable Diffusionを用いた画像生成環境をpipで簡単に構築可能で、画像生成以外にもプロンプトによる画像編集や超解像機能も利用できてめちゃくちゃ便利そうなので、その機能をまとめてみました。 GitHub - brycedrennan/imaginAIry: AI imagined images. Pythonic generation of stable diffusion images. https://github.com/brycedrennan/imaginAIry ImaginAIryは「L
絵文字構文 基礎構文 Ctrl+Cでコピーできます。 プロンプト ((ultra-detailed)),masterpiece,best quality,(1 girl),(illustration),((((full-length figure)))), paint right up to the tip of the head,((transparent background)),(solo),standing,(wearing shoes on feet), ((is wearing ●●●)),good girl, beautiful detailed eyes,good looking,((an extremely delicate and beautiful)),make the eyes the same shape and color on both sides, ネガティ
たか @0xtkgshn すげぇwwwwwww 悩んでることをAIに相談したら、長所と短所を分析して「この観点は念頭に入ってる?」って聞いてくれるww Pros/Consと、SWOT分析みたいなこともできるし、複数の選択肢入れたら一番いいやつ教えてくれる。 pic.twitter.com/Lw5d9gYcDq 2023-01-11 05:06:51 リンク rationale.jina.ai Rationale - a revolutionary decision-making AI powered by the latest GPT and in-context learning See two sides of the coin, make rational decisions. Use GPT and in-context learning to analyze pros & con
「Point-E」による画像やテキストからの3D生成を試したので、まとめました。 1. Point-E「Point-E」は、画像やテキストから3Dポイントクラウドを生成するAIモデルです。他の3D生成AIと比べ、圧倒的に高速に3D生成できます。 2. インストールGoogle Colabでのインストール手順は、次のとおりです。 (1) メニュー「編集→ノートブックの設定」で、「ハードウェアアクセラレータ」に「GPU」を選択。 (2) パッケージのインストール。 # パッケージのインストール !git clone https://github.com/openai/point-e.git %cd point-e !pip install .3. 画像からの3Dポイントクラウド生成画像からの3Dポイントクラウド生成の手順は、次のとおりです。 (1) パッケージのインポート。 # パッケージのイ
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? (2023/01/01 01:17:NovelAIの使用モデルについて追記しました) (2023/02/10 09:59: 次回作ができました!(9fps化) https://ao-love-yuimop.hatenablog.com/entry/2023/02/10/094800 ) (2023/04/09: さらに次回作ができました。(ゆいもっぷ/ユメヲカケル アニメPV)) 画像生成AIのNovelAIやSmoothGraphic等を使って ゆいもっぷ ちゃん(20)の激カワな歌にアニメPVをつけました(ファンアニメ)🏖 Smo
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く