モデル Translatotron：入力された音声を外国語の音声に直接翻訳する試み(2/2)
１．Translatotron：入力された音声を外国語の音声に直接翻訳する試み(2/2)まとめ ・Translatotronの翻訳品質は現時点ではまだ従来手法のシステムに劣る ・しかし、従来システムでは難しい声質の保存や推論速度の速さなどポ...
モデル
モデル モデル Translatotron：入力された音声を外国語の音声に直接翻訳する試み(1/2)
１．Translatotron：入力された音声を外国語の音声に直接翻訳する試み(1/2)まとめ ・従来の音声翻訳システムは入力された音声を一旦テキストにし、それを翻訳して再び音声に戻していた ・Translatotronは中間のテキストを生...
モデル MuseNet:ショパン風のレディガガ、ビートルズ風のハリポッターのテーマ(1/4)
１．MuseNet:ショパン風のレディガガ、ビートルズ風のハリポッターのテーマ(1/4)まとめ ・MuseNetは楽曲のスタイルを他の楽曲にコピーできる人工知能 ・大きな違和感を感じないような自然な形で異なったスタイルを融合可能 ・従来の同...
モデル MorphNet：学習済みニューラルネットワークをより速くより小さく改良(2/2)
１．MorphNet：学習済みニューラルネットワークをより速くより小さく改良(2/2)まとめ ・MorphNetは圧縮対象をサイズや計算量などから選べる事に加えて3つの重要な特徴がある ・ネットワークの構造そのものを変更する事がある、大規模...
モデル TALNet：Google Photosで動画から特別な瞬間を切り出す(1/2)
１．TALNet：Google Photosで動画から特別な瞬間を切り出す(1/2) ・Google Photosでアップされた動画から自動で印象的なシーンを切り出す事が可能になった ・これを実現しているTALNetは画像から物体を効率的に...
モデル SimPLe：ビデオモデルを用いてポリシー学習をシミュレート(1/2)
１．SimPLe：ビデオモデルを用いてポリシー学習をシミュレート(1/2)まとめ ・現在の強化学習の問題点の１つは人間に比べて学習に非常に時間がかかる事である ・人間が効率的に学習できる理由は世界モデルを持っているからと推測されている ・モ...
モデル GANにおけるラベル付きデータの必要性の低減(2/2)
１．GANにおけるラベル付きデータの必要性の低減(2/2)まとめ ・回転タスクによって意味のある特徴を学習させた後に更に学習をさせる ・これによりサンプル効率が高まり高品質なラベル付けが可能 ・GANで使う様々な機能をまとめたCompare...
モデル GANにおけるラベル付きデータの必要性の低減(1/2)
１．GANにおけるラベル付きデータの必要性の低減(1/2)まとめ ・Conditional GANはトレーニングにラべル付きデータを必要とする ・本論文ではGANをトレーニングする際に必要なラベル付きデータ量を減らす ・未ラベル付け画像を回...
モデル Snorkel Drybell：既存知識を活用して機械学習用ラベル付きデータを自動作成(3/3)
１．Snorkel Drybell：既存知識を活用して機械学習用ラベル付きデータを自動作成(3/3)まとめ ・実製品として利用しにくい機能や知識もSnorkel DryBellでラベル付きデータを出力可能 ・転移したラベル付きデータを利用す...
モデル RNN-T:全てをニューラルネットワークで実装したオンデバイス音声認識の実現(2/2)
１．RNN-T:全てをニューラルネットワークで実装したオンデバイス音声認識の実現(2/2)まとめ ・RNN-Tモデルは従来モデルに比べて1/5のサイズ圧縮に成功 ・更にTensorFlow Liteのモデル最適化ツールキットで1/4にサイズ...
モデル RNN-T:全てをニューラルネットワークで実装したオンデバイス音声認識の実現(1/2)
１．RNN-T:全てをニューラルネットワークで実装したオンデバイス音声認識の実現(1/2)まとめ ・スマホで実行可能ニューラルネットワークベースの音声認識が発表 ・音声をクラウドに送って認識する従来型システムより応答が早い ・コネクショニス...
モデル MeRL：強化学習でまばらで仕様が曖昧な報酬に対応(3/3)
１．MeRL：強化学習でまばらで仕様が曖昧な報酬に対応(3/3)まとめ ・報酬が疎になる作業を学習させるためにカルバック・ライブラー情報量(KL)を利用している ・カルバック・ライブラー情報量は、2つの異なる確率分布がどの程度異なるかを示す...