今回は、画像から動画を生成するサービス 「Runway Gen 2」について紹介したいと思います。
※Runwayの生成結果はMP4ですが、ブログ掲載のためにGIFアニメーションに変換しています。
１枚の画像から、その画像の中で動かしたい物体を選択してアニメーションさせて動画にする方法を紹介します。
(1)以下のサイトにアクセス
https://research.runwayml.com/gen2
(2)「Try Gen-2 in Runway」をクリック
(3) 「Start with Image」をクリック
(さらに…)お客様へ高品質な製品をより早く提供するため、引き続き設計スキルの底上げを行っています。
そこで前回同様、弊社で発生した不具合を例に挙げ、設計段階で未然に防ぐにはどのような対応を行っておけばよいか、分析結果と併せて記載します。
【事例システム詳細】
新システムからCSVファイルを出力し、出力したCSVファイルを用いて桐(DB)とデータ連携を行う。
【不具合内容】
新システムから出力したCSVファイルを用いて桐(DB)とデータ連携を行った際、データ連携をしてもCSVファイルの内容が桐(DB)に反映されない。
【桐(DB)についての補足】
①桐とは
⇒Windows環境向けのDBMS(データベース管理システム)
②桐のテーブルに表引きを設定した時の動き
⇒CSVの「仕入先コード」と、桐の「Aマスタ」の「コード」が一致する場合、
「Aマスタ」の「短縮仕入先名」を桐に取り込む仕様となっている
タイトルの通り、今回はChatGPTに壁打ち役になってもらうプロンプトを共有します。
プロンプト
# 司令文
悩みに寄り添って対話を開始してください。
# 目的・ゴール
相談者の悩みに対して、根気強く悩みに寄り添い
相談者自身で悩みの原因や根本が何なのかを気づかせるサポートをする
# 役割
カウンセリング・コーチングのエリート
親しみやすいキャラクタ
# 制約条件
1度のメッセージで行う質問は必ず一つだけに限定する
# 相談者情報
悩みを抱えていて、自身の悩みについて深く掘り下げたいと考えている
心理学やコーチングの知識は無いので難しい単語は使わないでほしい
ChatGPTに壁打ち役をしてもらう効果
そもそも自分は何をしたいのか？問題や課題は何か？に立ち戻ることが期待できます。
例えば、今回ChatGPTの記事を書く際、ネットで情報を調べていくうちに、情報が溢れすぎて、テーマを定めれなかったのですが、テーマを決めるために、ChatGPTに壁打ちをしてもらい、自分の興味、関心、課題点を言語化して深ぼることができました。
ChatGPTに壁打ち役になってもらい、担当されている業務の目的の深掘りに役立ていただけたらと思います。
最近何かと話題のChatGPTですが、最近新たに画像生成できる機能がリリースされました。今回は画像生成できる機能「DALL・E 3」を触ってみたので、その所感をシェアします。
「DALL・E 3」で画像生成するにあたり、プレゼンテーション資料の表紙作成という業務シーンを想定して、「生成系AIで変わるこれからの業務」という架空の発表内容で画像生成してみました。
(さらに…)OpenCVをはじめ、様々な画像処理の中で、思うように画像が処理されない場合、ノイズ除去やフィルタをかけることがあると思います。フィルタには様々な種類がありますが、ノイズを除去したい場合、とりあえずガウシアンフィルタをかけましょう！は間違いです。
もちろんガウシアンフィルタは、ノイズに対して有効な手段の１つではありますし、様々な処理で利用されている有名なノイズ除去法です。しかし、一言でノイズ除去といっても、ノイズ以外の要素がどのように変化するかによって、その後の処理の精度も変わってきます。各フィルタの特徴を押さえておくことで、より高精度な画像処理が出来ます。
※こちらの記事は活動記録になります。
弊社のスキルアップ活動の一環で、表題の活動を行いました。
最近フリーアドレスになったので、Teamsの社内のカメラで本社の映像から人を検出し、「リアルタイム空席状況」を表示してみたい。
表題にもある通り、人間を検知する仕組みはもう存在する。yoloというPythonライブラリを利用すると、どうやら簡単に動画内の人間を検知できるらしい。
(さらに…)弊社のスキルアップの活動として、
「OpenCVを用いて機械学習を行い、画像から猫を検出するシステムを自分たちで作る」
というDIY的な事を行ったので、実装方法や結果について共有します。
OpenCVとは、画像処理や画像解析が出来たり、機械学習ができる機能を詰め込んだライブラリです。
Pythonで使用されるのが一般的ですが、実はJavaやC等の言語でも使用することができるんです。
今回はOpenCVの中でも「カスケード分類器」と呼ばれる物体検出器に対して機械学習を行い、猫を検出します。
(さらに…)今回LinuxのOS VersionUpによって確認された
Perlでの問題点について共有したいと思います。
Perlをよく利用されている方はご存じだと思いますが、
省略は Perl の美学というものがあります。
私もついやってしまうことがありますが、見やすさより省略を駆使し、短文でコードを書くというものです。
(さらに…)はじめに
OpenCVを駆使した動体検出は、現代のコンピュータビジョンアプリケーションにおいて欠かせない技術の一つです。この技術は、ビデオ監視、自動運転、セキュリティシステムなど多くの分野で応用でき、画像やビデオから動く対象を検出し、それに関する情報を抽出するために使用されます。
この記事では、動体検知システムの概要、実装内容について説明します。
システム概要
今回試作したシステムは、車内に子供の置き去りにしないように防止することを目的としています。
このシステムでは、以下の2つの動作を想定しています。しかし、完全再現は難しいため、実際には模擬的に実装していきます。
(さらに…)SQLiteそのままDBファイルをコピーして使えたりと、簡易なアプリの設定管理などに使えるので覚えたかった。
とりあえず以下のコードをコピペして修正したらOK
import sqlite3
# DB名（ファイル名）
dbname = "notify_smb_usage.sqlite3"
# コネクション
connection = sqlite3.connect(dbname, isolation_level='IMMEDIATE')
# カーソル
cursor = connection.cursor()
# SELECT文の結果を辞書型で取得
cursor.row_factory = sqlite3.Row
# SQL
query = """
SELECT
*
FROM
smb_usage
WHERE
user = :user
"""
cursor.execute(query,{
"user": "tomokiy"
})
# 実行結果
results = [{key: value for key, value in dict(result).items()} for result in cursor.fetchall()]
# コミット
connection.commit()
# DB切断
connection.close()
