Blog - LINE ENGINEERING

TAG ARCHIVES: line-intern-ja

【インターンレポート】開発環境テスト用配信構築
Tomohito Omori2022-09-21
LIVEサーバ開発チーム
こんにちは。インターンで LINE LIVE のバックエンドの開発をしていました大森智仁です。京都大学工学部情報学科の4回生で、普段は競技プログラミングや最適化案件の実装をしていました。今回は LINE LIVE の開発をしている LIVE サーバ開発チームにお世話になりました。背景 LINE LIVE では、本番環境へのリリース前にリリース予定ブランチを確認する為のBeta環境があり、そこでエンジニアが動作確認したり、QAチームがテストします。その動作確認の際、常に配信中となっている配信が複数あると嬉しいのですが、今までこの配信は手動で用意しており、LINE LIVE は最大 24 時間までしか配信できない仕様のため、配信を用意するために手間がかかっていました。その手間をなくすため、私は動画ファイルをループ再生して自動的に配信し続けるサーバーを用意し LINE LIVE と繋いで配信するチャンネルを作成することになりました。また、動作確認で用いるため今後さまざまな機能や種別の配信をできるように構築する必要がありました。手段固定の動画ファイルを ffmpeg で rmtp 送
- LINE LIVE
- line-intern-ja
【インターンレポート】形状を詳細に反映した顔の3次元再構成
Shiori Ueda 2022-09-20
Computer Vision Labチーム
こんにちは。慶應義塾大学大学院理工学研究科修士1年の上田栞です。8月から6週間、LINE株式会社の2022年度夏季インターンシップ「技術職就業型コース」に参加させていただき、リサーチインターンとして、AIカンパニーのComputer Vision Labチームに配属され、「形状を詳細に反映した顔の3次元再構成」という研究に取り組みました。本レポートでは、我々が目標としている課題と、インターンシップにて取り組んだ内容・成果について説明します。テーマ背景バーチャルヒューマンの技術は近年急速に発展しており、仮想の人物を創り出すだけでなく、実在の人物をバーチャル化する取り組みも行われています。実在の人物に近いバーチャルヒューマンを作成するためには、リアルな顔を生成することが必要ですが、現在のCG技術では、作成された顔にまだCGらしさが残っており、リアルであるとは言えません。コンピュータビジョンの分野でも、人物の顔を操作する研究が活発に行われています。有名な例として、ディープフェイクがあります。ディープフェイクでは、敵対的生成ネットワークを使用して2人の人物の顔を入れ替えることで、顔
【インターンレポート】大規模Vision&Languageモデリングに向けたLAION-5Bのデータ分析と大規模データ整備システムのプロトタイプ検討
Yuto Masumoto2022-09-16
Computer Vision Labチーム
1. 初めにこんにちは、東京大学大学院情報理工学系研究科コンピュータ科学専攻の修士1年の増本雄斗です。研究室では自然言語処理を専門に研究をしています。今回、LINEでの就業型エンジニアリングインターンシップに参加し、AI開発室のComputer Vision Lab チーム(以下、CVLチームと表記)での取り組みを紹介したいと思います。本記事では、LINEでのインターンがどのようなものであったかを私の取り組みを紹介しつつ伝えられれば、と思っております。 2. インターン課題と目的背景近年のVision&Languageモデリングは、大規模に画像とテキストを両方用いた学習により、画像からのテキスト、テキストから画像といった高品質な生成が可能となりました。具体的には、画像生成においては、テキストから任意の画像を生成するOpenAIのDALL・E[1]や、商用利用可能なStable Diffusionモデル[2]などが公開されており、その生成画像の品質の高さに注目を集めています。一方で、テキスト生成においては、画像を入力としてその説明文を生成する、Imga
【インターンレポート】スケッチを用いてナローキャストの配信数を推定する
Ryota Kobayashi2022-09-14
B Partチーム
はじめまして。LINE の夏季就業型インターンに参加させていただいた小林亮太です。所属は東京大学大学院情報理工学系研究科で、普段はシステムソフトウェアやプログラミング言語に関する研究を行っています。今回のインターンでは、LINE公式アカウントのメッセージ配信を司る BOT Platform チームにお世話になり、LINE Messaging API のバックエンド開発に携わりました。この記事ではその背景と、インターン期間中の取り組みについてお話します。背景 Messaging API は LINE公式アカウントでの配信に利用される API で、一度に多数のユーザにメッセージを送り届けることができるのが特徴です。LINE公式アカウントでは、各月一定の件数までは無料でメッセージを配信できますが、それを超えると件数に応じて課金されるというモデルになっています。そのため LINE公式アカウント管理者の視点では、「できるだけ少ない配信数で効果的にメッセージを送り届けたい」という要望が生まれることになります。これを実現するのが「ナローキャスト」という仕組みです。ナローキャストでは配信
- internship
- line-intern-ja
【インターンレポート】Hiltによる効率的な依存性注入の実装
Shimizu Taro2022-09-12
LIVEクライアント開発チーム
初めまして。この度、LINE LIVEクライアント開発チームにて技術就業型インターンシップに参加させていただきました、京都大学大学院１年の清水太朗です。普段は”バイオロギング”という手法を用いて様々な生物(ドチザメやガゼルなど)の生態を明らかにする研究に取り組んでいます。専門は情報学寄りではありませんが、メンターの方々の手厚いサポートのおかげで有意義な日々を送ることができました。以下では、私が本インターンシップで取り組んだ、「Hiltによる効率的な依存性注入の実装」について紹介いたします。背景・目的本インターンではLINE LIVEのAndroidアプリの開発業務、特に「dagger.androidからHiltへの移行作業」に携わらせていただきました。そもそも私は大規模なシステム開発の経験が無いため、本インターンは開発工程やシステム構造など小規模開発ではみられない手法を学ぶ非常に貴重な機会でした。中でも「依存性注入」は大学の授業でも学ぶことの無かった考え方であり、自身の知見をさらに広げる、とても新鮮なものでした。ここからは、その「依存性注入」に焦点を当て
【インターンレポート】汎用的な音声表現のための自己教師あり学習の研究
Ibuki Kuroyanagi2022-03-16
はじめまして、名古屋大学大学院情報学研究科修士１年の畔栁伊吹です。2021年の夏にLINEのAI開発室のリサーチャーインターンシップに6週間参加しました。今回のインターンはコロナの影響でフルリモートで参加しました。普段と異なる環境かつ限られた時間の中で成果を出せるか不安でしたが、メンターの方と毎日30分程度ミーティングの時間があったため、問題なく進めることができました。インターンでは、「汎用的な音声表現のための複数のサンプリング戦略を用いた自己教師あり学習法」の開発、実験、論文執筆を行いました。論文は音声・音響・信号処理分野における世界最大規模の国際学会ICASSP2022に投稿し、採択されました[1]。以下では、インターンで取り組んだ研究の概要について書きます。研究背景音に関連するタスクには、音声認識、話者識別、コマンド認識、音響イベント検出、ピッチ推定、など様々な種類があります。ニューラルネットワークの発展に伴い様々な手法が高い性能を実現していますが、それぞれのタスクに対して専用の学習用データを収集し、教師ラベルを付与する必要があるため多くの労力が必要となります。コマンド認識
- line-intern-ja
- LINE R&D
【インターンレポート】　プライバシを保護したFederated Learningの安全性評価
Marin Matsumoto2022-02-25
2021年夏のインターンシップに参加したお茶の水女子大学の松本茉倫です．インターンシップでは「局所差分プライバシを適用したFederated Learningの安全性評価」について研究しました．本研究に関する論文は，第14回データ工学と情報マネジメントに関するフォーラム (DEIM2022) にて、3月1日に同タイトル（プライバシを保護したFederated Learningの安全性評価）発表予定です．研究背景クライアントが持つデータを集約せずに分散した状態で機械学習を行う方法として，2016年に提唱されたFederated Learningがあります． Federated Learningは，サーバから配布されたグローバルモデルを使ってクライアントが自身の持つデータの勾配を計算し，サーバが勾配を集約すること(平均化など)で学習モデルを更新する方法です．一見するとプライバシ保護されているように思えますが，クライアントが生成した勾配から元データが復元される恐れがあるとされています．プライバシ保護をした状態でFederated Learningを行う方法の一つとして，勾
【インターンレポート】有用性の高いモデルを獲得する差分プライベート学習手法
Ryuichi Ito2022-02-24
大阪大学情報科学研究科の伊藤竜一と申します．2021年の夏期インターンシップに6週間参加し，期間後もアルバイトとして従事していました．プライバシを保護しながらパーソナルデータを含むデータの分析を可能にしたいというモチベーションから，データ生成と差分プライベート学習に関する研究を行いました．この記事では差分プライベート学習について紹介したいと思います．なお，より詳しい内容は第14回データ工学と情報マネジメントに関するフォーラム (DEIM2022) にて「低ランク近似を介した選択的パラメータ更新による差分プライベート学習」として発表予定です．研究背景個人に関するデータ，つまりパーソナルデータの利活用が進んでいます．パーソナルデータの利用はサービスに有用となることが多いですが，一方で個々人の特定やプライバシの開示を防ぐ必要があります．プライバシ保護技術は多数ありますが，今回は差分プライバシという指標に注目します．差分プライバシは，簡単に説明すると，「特定のデータが含まれているかどうかの識別が ϵ, δ というパラメータで指定した程度に困難である」というこ
【インターンレポート】シチュエーションを限定した対話における応答生成
Toshiki Kawamoto2022-02-02
こんにちは、川本稔己と申します。今回LINE夏インターンシップ技術職就業型コースに参加する機会を頂きましたので、その内容をご報告致します。現在、私は東京工業大学大学院修士課程1年で、奥村・船越研に在籍しており、自然言語処理という分野の研究を行っています。私は特に対話に関する研究を行っていて、身近な例でいうと音声アシスタントのような人とシステムで行う対話に興味があります。システムが何でも答えてくれるようになったり、話し相手になってくれたら楽しいですよね。そういった思いがあって、今回のLINEのインターンでは、AI開発室のNLPチームで業務に携わりました。業務内容は大規模汎用言語モデルを用いた対話システムを構築することで、その成果を対話システムライブコンペティション4に提出しました。その結果、オープントラックとシチュエーショントラックでどちらも1位を取ることができましたので、本記事では自分がメインで担当しましたシチュエーショントラックについて詳細をご報告致します。対話システムライブコンペティション4 対話システムライブコンペティション(以降ライブコンペ)とは、対話システムシンポジウム
【インターンレポート】バーチャルヒューマンのための人間らしい動きの生成
Mana Masuda2021-12-13
こんにちは。慶應義塾大学大学院理工学研究科修士1年の枡田真奈です。8月から6週間、LINE株式会社の20201年度夏季インターンシップ「技術職就業型コース」に参加させていただき、リサーチインターンとして、AIカンパニー/AI ResearchチームのComputer Vision Labチーム (CVL)に配属され、「2D/3D バーチャルヒューマンを機械学習モデルによって動かす」という研究に取り組みました。本レポートでは、我々が目標としている課題と、インターンシップにて取り組んだ内容・成果について説明します。バーチャルヒューマンを動かすとは？バーチャルヒューマンは、近年、2D/3Dともに発展してきています。現在は、このようなバーチャルヒューマンは人間の動きをキャプチャーしたり、体だけは実際のモデルを使うなどして動いている映像を作成していますが、それだと作成できる動きの数には限界があり、今後、AR/VRの世界にバーチャルヒューマンが進出していくには、より自然な動きを自動で生成できる技術が必要になります。今回のインターンでは、そのための基礎技術の研究に取り組みました。この技術