Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
画像生成AIを使って勝負しよう
Search
Satoshi Gachi Fujimoto
March 15, 2024
Technology
1
110
画像生成AIを使って勝負しよう
熊本学園大学×熊本県情報サービス産業協会連携事業「まちの課題をICTとデータで解決する」第3回 オープンカンファレンスのLT資料です
Satoshi Gachi Fujimoto
March 15, 2024
Tweet
Share
More Decks by Satoshi Gachi Fujimoto
See All by Satoshi Gachi Fujimoto
バスあと何分ミニサイネージ
satoshirobatofujimoto
0
90
高専で制御を、大学でセンシングを学び、次は脳みそ
satoshirobatofujimoto
0
250
ガチマナ会 vol.1
satoshirobatofujimoto
0
210
画像生成AIを使って勝負しよう
satoshirobatofujimoto
0
210
画像からプロンプトを考えて最も似ている画像を生成した人が勝ちのゲーム@AIミーティング
satoshirobatofujimoto
0
150
VPS研究者が語る”VPS概論”
satoshirobatofujimoto
0
390
画像からプロンプトを考えて最も似ている画像を生成した人が勝ちのゲーム
satoshirobatofujimoto
0
190
OpenAI 新機能まとめ(Function callingとAdd your data編)
satoshirobatofujimoto
0
240
PLATEAUを用いた熊本市中心市街地におけるバリアフリー情報の可視化
satoshirobatofujimoto
0
1k
Other Decks in Technology
See All in Technology
React Server Componentは 何を解決し何を解決しないのか / What do React Server Components solve, and what do they not solve?
kaminashi
6
1.3k
Restarting_SRE_Road_to_SRENext_.pdf
_awache
0
170
DevOps文化を育むQA 〜カルチャーバブルを生み出す戦略〜 / 20250317 Atsushi Funahashi
shift_evolve
1
110
ペアーズにおけるData Catalog導入の取り組み
hisamouna
0
220
Proxmox VE超入門 〜 無料で作れるご自宅仮想化プラットフォームブックマークする
devops_vtj
0
190
Go の analysis パッケージで自作するリファクタリングツール
kworkdev
PRO
1
540
TopAppBar Composableをカスタムする
hunachi
0
140
caching_sha2_passwordのはなし
boro1234
0
220
Redefine_Possible
upsider_tech
0
340
ゆるくVPC Latticeについてまとめてみたら、意外と奥深い件
masakiokuda
2
100
Agile TPIを活用した品質改善事例
tomasagi
0
360
技術好きなエンジニアが _リーダーへの進化_ によって得たものと失ったもの / The Gains and Losses of a Tech-Enthusiast Engineer’s “Evolution into Leadership”
kaminashi
0
210
Featured
See All Featured
The World Runs on Bad Software
bkeepers
PRO
67
11k
Designing for Performance
lara
606
69k
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
194
16k
Stop Working from a Prison Cell
hatefulcrawdad
268
20k
Side Projects
sachag
452
42k
Building Applications with DynamoDB
mza
94
6.3k
Building an army of robots
kneath
304
45k
Responsive Adventures: Dirty Tricks From The Dark Corners of Front-End
smashingmag
251
21k
Bootstrapping a Software Product
garrettdimon
PRO
307
110k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
135
33k
Mobile First: as difficult as doing things right
swwweet
223
9.5k
The Pragmatic Product Professional
lauravandoore
33
6.5k
Transcript
2024/3/16 第3回 オープンカンファレンス 画像生成AIを使って 勝負しよう
がちもとさん KumaMCNという技術コミュニティを運営 株式会社ナレッジコミュニケーションでAI・XRアプリ開発 崇城大学古賀都市計画研究室の技術顧問でまちづくりの研究 高専で制御を、大学でセンシングを学び、次は脳みそ @sotongshi
お題の画像を見て、プロンプトを考えましょう ※制限時間は90秒
プロンプトを入力して画像を生成、類似度で競います! ※1に近いほど類似しています
類似度の算出方法 ・ Learned Perceptual Image Patch Similarity (LPIPS) は、AlexNetやVGGなどの学習済 み画像分類ネットワークの畳み込み層が出力する特徴量を基に類似度を算出する手法
・従来のピクセル単位の差異とは異なり、画像の内容と構造をより深く理解 ・人間の目が感じる類似性に近い https://qiita.com/SatoshiGachiFujimoto/items/651472942a4885181442 https://github.com/richzhang/PerceptualSimilarity import lpips import torch import torchvision.transforms.functional as TF from PIL import Image loss_fn_alex = lpips.LPIPS(net='alex') # best forward scores path_img0 = "groundtruth.png" path_img1 = "1.png" img0 = Image.open(path_img0) img0 = img0.convert("RGB") img0 = (TF.to_tensor(img0) - 0.5) * 2 img0.unsqueeze(0) img1 = Image.open(path_img1) img1 = img1.convert("RGB") img1 = (TF.to_tensor(img1) - 0.5) * 2 img1.unsqueeze(0) d = loss_fn_alex(img0, img1) print("Perceptual loss",1-d.item()) # 1に近づくほど似ているように変更
やってみよう
お題 こちらから回答お願いします https://forms.gle/ezqf5P6STz2asFCH6
None
None
None
None
ご清聴ありがとうございました