Blog - LINE ENGINEERING

TAG ARCHIVES: Deep Learning

【インターンレポート】LINEスタンプの自動切り抜き機能について
Song Haiyue2019-04-12
自己紹介初めまして、LINEの冬インターンシップに参加した宋海越（ソウ　カイエツ）です。二月と三月のインターン期間にData LabsのMachine Learning チームに入って、主にDeep Learningの技術を使って業務を行いました。背景 LINEのスタンプショップには、数百万点にも及ぶ、ユーザーが作った個性豊かなスタンプがあります。このたくさんのスタンプをユーザーが作って楽しむことを支えている、LINE Creators Studioというアプリがあります。LINE Creators Studioを使うと、スマホで撮った写真から簡単にスタンプを作ることができます。現在LINE Creator Studioアプリで実装しているのはGrabCutという方法です。この機能を使うと、ユーザーがスタンプにしたい部分の少し外側を指でなぞって囲むだけで、自動的に切り抜くことができます。細かい部分は消しゴムで調整できます。 https://creator.line.me/ja/studio/ スマホなどの小さい画面でユーザーが消しゴムを使う場合、髪の毛な
2018年の言語モデル概要
Tung Nguyen2019-02-07
2013年にDeep Belief Networkについて初めて読んだとき、私はディープラーニング(深層学習)にはまりました。現在、Clovaの自然言語処理における深層学習を研究開発しております。
こんにちは、ClovaチームのTungです。 Clovaは、Clova FriendsやClova Waveなどといったスマートデバイスに搭載されている私たちのAIプラットフォームです。製品の詳細についてはこちらをご覧ください。 2018年の自然言語処理（NLP）分野において続々と発表された強力な言語モデル - ELMo、ULMFit 、OpenAI Transformer、BERTについて振り返りたいと思います。各モデルそれぞれの内部解説はインターネット上にあったりしますが、今回は少し異なった見方を持って来ることを試みます。全モデルのアーキテクチャーの特徴を比較しながら言語学習との関係を検証した論文について紹介して行きます。言語モデルの簡単な紹介言語モデルとは簡単に言えば、言語モデルは、（自然な）言語のトークンのシーケンスにわたる確率分布を計算するためのモデルです。 n-gram言語モデルのような古いモデルはある程度良い結果を達成しましたが、n 個のトークンを組み合わせた数が非常に多いため「次元の呪い」問題によって

1