人工知能関連のプログラム例（Google Colaboratory など）の紹介

https://colab.research.google.com/github/tensorflow/docs/blob/master/site/en/tutorials/images/segmentation.ipynb#scrollTo=P_mu0SAbt40Q

ポイント・トラッキング（Point tracking）

• CoTracker のデモ（Google Colaboratory）

  https://colab.research.google.com/github/facebookresearch/co-tracker/blob/master/notebooks/demo.ipynb

  

MOT

• Yolo tracking デモ（MOT）（Google Colaboratory のページ）

  公式の Google Colaboratory 上のデモページ: https://colab.research.google.com/drive/18nIqkBr68TkK8dHdarxTco6svHUJGggY?usp=sharing#scrollTo=RyXr0xsZB897

• Cutie のビデオオブジェクトセグメンテーションのデモ（Google Colaboratory のページ）

  公式の Google Colaboratory 上のデモページ: https://colab.research.google.com/drive/1yo43XTbjxuWA7XgCUO9qxAi7wBI6HzvP?usp=sharing#scrollTo=qYv3kbaQT2w4

  URL: https://hkchengrex.github.io/Cutie

  
  
  

姿勢推定

• LART デモ（姿勢推定）（Google Colaboratory のページ）

  https://colab.research.google.com/drive/1QRLqEAePmgS41v0KQwf87G_Ss_BLhPYs?usp=sharing#scrollTo=XMEwLrhnx58K

  https://www.pexels.com/video/group-of-boys-plays-soccer-in-a-soccer-field-2932301/ で公開されている動画を使用したときの結果

ゼロショットの物体検出，セグメンテーション

• Grounding DINO （ゼロショットの物体検出）のオンラインデモ（Google Colaboratory 上）: https://colab.research.google.com/github/roboflow-ai/notebooks/blob/main/notebooks/zero-shot-object-detection-with-grounding-dino.ipynb
  
• HQ-SAM （ゼロショットのセグメンテーション）のオンラインデモ（Google Colaboratory 上）: https://colab.research.google.com/drive/1QwAbn5hsdqKOD5niuBzuqQX4eLCbNKFL?usp=sharing
  

直線検知

• ELSED による直線検知（オンラインデモ）

  ELSEDは 線分検知の一手法．2021年発表．

  https://colab.research.google.com/github/iago-suarez/ELSED/blob/main/Python_ELSED.ipynb

  

イメージ・マッチング

• GlueStick 法によるイメージ・マッチング（オンラインデモ）

  https://colab.research.google.com/github/cvg/GlueStick/blob/main/gluestick_matching_demo.ipynb

  
  

画像生成，イラスト生成

• プロンプトからの画像生成, OpenJourney のオンラインデモ

  https://replicate.com/prompthero/openjourney

  ３次元モデルの生成

  • Text-to-3D の公式のオンラインデモ（Google Colaboratory）: https://colab.research.google.com/github/camenduru/dreamgaussian-colab/blob/main/dreamgaussian_colab.ipynb

    Google Colaboratory なので，英語の「プロンプト」を各自で修正して実行可能． そして，処理結果（３次元データ）は，簡単な操作でダウンロードできる．

    プログラム

    

    処理結果（３次元データ）を Blender で表示したスクリーンショット:

    

    処理結果（３次元データ）: icecream_mesh.obj, icecream_mesh.mtl, icecream_mesh_albedo.png, icecream_model.ply

    処理結果のスクリーンショット（動画）: icecream.mp4

  • DreamGaussian の Image-to-3D の公式のオンラインデモ（Google Colaboratory）: https://colab.research.google.com/drive/1sLpYmmLS209-e5eHgcuqdryFRRO6ZhFS?usp=sharing

    写真１枚から，テクスチャ付きの立体データを生成

    元画像

    

    中間結果（左），最終結果のスクリーンショット（右）

    

    処理結果（３次元データ）: b.obj, b.mtl, b_albedo.png

    処理結果のスクリーンショット（動画）:

    b.mp4

    使い方のヒント

    • Google Colaboratory を使用している
    • 前準備として画像ファイルを準備．ファイル名は英語が良い（a.jpg, b.png）のように
    • 上のページで「ランタイム」，「すべてのセルを実行」で実行開始．途中で，画像ファイルを１つアップロード．
    • 無料版のGoogle Colaboratoryを使っている場合などは，GPU のメモリ不足でエラーが出る場合がある．エラーが出た場合，「ランタイム」，「すべてのセルを実行」で実行を１，２回程度繰り返すと，うまく行く場合が多い．実行のたびに，GPU のメモリの量が変わり，GPUのメモリが多く割り当てられる場合があるため．
  • TinyNERF （３次元モデルの生成）

    Google Colaboratory のページ

    https://colab.research.google.com/github/bmild/nerf/blob/master/tiny_nerf.ipynb

  • instant-ngp （３次元モデルの生成）

    Google Colaboratory のページ

    https://github.com/NVlabs/instant-ngp/blob/master/notebooks/instant_ngp.ipynb