しゅんや

24時間仕事人間から、好きなだけ旅をして月100万以上稼ぐ働き方の方へ!

しゅんや

24時間仕事人間から、好きなだけ旅をして月100万以上稼ぐ働き方の方へ!

最近の記事

二人で本を読むシリーズ ~ 具体と抽象 世界が変わって見える知性のしくみ

前回の続きです。これで完結すると思います。 では早速、いこか。 第6章 往復運動 たとえ話の成否は何で決まるか 完全にお笑い芸人でしたやん。「具体→抽象→具体」の往復運動が上手けりゃええんやん。さっそく読み続けることに不安を覚える。 あーーーーー。うん、これはそうかも。それで言うとエモみのある文章って具体→抽象なのかな。現場を客観的に見ているようで、思っきし主観が入っているようなもの。うん、具体例の短歌ほしい。 歌詞はダメだ。その音楽と歌詞をはじめから終わりまで何十回

    • 二人で本を読むシリーズ ~ 具体と抽象 世界が変わって見える知性のしくみ

      一秒漫画ってなんじゃ。 中田の敦彦さんが仰ってた本の読む順番を実践したいと思います。まずは目次から見ていきましょう。気になったところに問いを立てていきます。その後、「はじめに」「おわりに」を読んで、著者が推してる章を推測します。あとは推し章と自分自身が気になる章を読んで今回の読書は終了です。 本noteの目標としては、こちらを閲覧いただいているあなたと、本書を一緒に読んでいただきたく存じます。そうして共に問いを立てていく上で、わたしのなんでもない問いが、あなたに閃きを促す

      • なぜデザインなのか、なぜデザインリサーチなのか

        ※デザインリサーチの教科書 / 木浦幹雄 の 要約です。 より深く知りたいと思った方以下から。 「デザイン」あるいは「プロダクト」という言葉は受け取る人によって様々な意味で解釈されます。これまで主にユーザーとしてデザインと関わってきた方は、第一章から読んでいただけるとデザインリサーチがいかに必要とされるものか、その背景についてより深い洞察を得られると思います。 デザイン=見た目の話?著者の中では、グラフィックデザインやプロダクトデザインは「デザイン=見た目の話」の文脈の中

        • ManiGAN:テキストガイド付き画像編集

          Abstract 目的:テキストと関連しない内容を保存しつつ、所望の属性(例えば テクスチャ, 色, 背景)を記述したテキストと一致するように、画像の一部をsemanticallyに編集すること データセット:CUBとCOCO これを実現するために、我々は、text-image affine combination module(ACM)とdetail correction module(DCM)という2つの主要なコンポーネントを含む、新しいManiGANを提案します

        二人で本を読むシリーズ ~ 具体と抽象 世界が変わって見える知性のしくみ

          Faithful to the Original: Fact Aware Neural Abstractive Summarization オリジナルに忠実に: ファクト・アウェア・ニューラル抽象的要約

          Faithful to the Original: Fact Aware Neural Abstractive Summarization オリジナルに忠実に: ファクト・アウェア・ニューラル抽象的要約 ** Abstract抄録** 抽出的要約とは異なり、抽象的要約は原文の異なる部分を融合させなければならず、偽の事実を生成する傾向がある。 我々の予備研究では、最先端のニューラルサマリーシステムの出力の30%近くがこの問題に悩まされていることが明らかになった。 これまでの

          Faithful to the Original: Fact Aware Neural Abstractive Summarization オリジナルに忠実に: ファクト・アウェア・ニューラル抽象的要約

          SMILY; Similar Medical Images Like Yours

          著者 Narayan Hegde, et al. abstract大規模な機関や公的な組織病理学の画像データセットの利用可能性が高まっている。これらのデータセットには通常、診断や臨床メモなどのメタデータが添付されていますが、慎重にキュレーションされたデータセットであっても、各画像上の関心領域の位置のアノテーションが含まれていることはほとんどない。病理画像は非常に大きい(各次元で最大10万画素)ため、関心のある特徴を見つけるためには、各画像の視覚的な検索が必要である。 ⇒本

          SMILY; Similar Medical Images Like Yours

          優しさってなんだと思う?

          僕が幼い頃に出会った、優しさの定義について考え直すきっかけになった曲があります。BUMP OF CHICKEN の 'ひとりごと' という曲です。この曲の詞を書かれた藤原基央さん本人は、以下のように語っていました。 本当に親切な行為とか、自分がいま こう言えば相手が喜んでくれるだろうな、こういう風な態度を取れば、こういう風な行動を取れば、相手が喜んでくれるんだろうなっていうのは、みんな大体分かるでしょ? '偽善' って言葉についてもすごく考えたりして、偽善者って言葉あるじ

          優しさってなんだと思う?

          医療意思決定での不完全なアルゴリズムに対処する為の人間中心のツール

          Human-Centered Tools for Coping with Imperfect Algorithms During Medical Decision-Making 著者 Carrie J. Cai, et al.  ABSTRACT本論文では、検索された類似画像を検索する際の病理医のニーズを明らかにし、ユーザーが検索アルゴリズムにその場で対応できるようにするためのツールを開発し、異なる時点でどのようなタイプの類似性が最も重要であるかを伝えている。 INTRO

          医療意思決定での不完全なアルゴリズムに対処する為の人間中心のツール

          Unifying Visual-Semantic Embeddings with Multimodal Neural Language Models

          マルチモーダルなニューラル言語モデルを用いた 視覚-意味的埋め込みの統合著者 Ryan Kiros, et al. AbstractLSTMを文章をエンコードするために用いたところ, 物体検知なしでSotAに匹敵した。(データセット: Flickr8K, Flickr30K) 1.Introduction画像認識/検知はブレークスルーが起きた ⇔キャプション生成はここから。 もし理想的なキャプションが生成されれば、(1)画像内容検索システムの可能性も向上し、(2)原理的

          Unifying Visual-Semantic Embeddings with Multimodal Neural Language Models

          Image-to-Image Translation with Text Guidance

          テキストガイダンスを用いた画像から画像への翻訳著者: Bowen Li, et al. University of Oxford Abstract 抄録 本論文の目的は、テキスト記述をImage-to-Image Translationに埋め込むことである。本研究では、以下の4つの要素を提案する: (1) 重要度の低い単語をフィルタリングするためのpart-of-speech(POS) タグ付け (2) ManiGAN を採用 (3) DiscriminatorとGene

          Image-to-Image Translation with Text Guidance

          「言語は感情に依存し, 感情は言語に依存する」 阪大の先生の論文にこんなことが書かれていました。

          「言語は感情に依存し, 感情は言語に依存する」 阪大の先生の論文にこんなことが書かれていました。

          日本をどのような国にするか

          を読みました。 それとは少し別の話なのですが、先日のTAKRAM RADIO PODCASTで荒木さんはどうやら読んだ本について3つのポイントにまとめたイラストで要点をなぞらえてらっしゃるそう。残念ながら僕は絵を描く才能はないのですが、この3つのポイントにまとめる、と言う部分を真似してみようと思いました。 ・大切なことは既に知っている 日本の異様な縦型社会を壊せ、だとか、どんな時にも嘘はつかず、清く正しく美しくあれ、だったり、戦争だけは絶対に繰り返してはならない。この本に

          日本をどのような国にするか

          AIは助けてくれるのか、世界の綺麗な水の危機を。

          Can AI help combat da world's clean water crisis? より引用 (Dec. 6, 19の記事) 多くの人は当たり前のように水を飲んでいる。けれども20億人の世界の人々はunsanitary water(不衛生な水)を使い、785百万の人々は基本的な飲み水のサービスすら受けられないとWHOが報告している。途上国にとって、 water sanitationは高価な挑戦になりうるが、 ある日本のスタートアップが人工知能の力でwater

          AIは助けてくれるのか、世界の綺麗な水の危機を。