WaveRNN解説[ネットワーク構造編]
- できること
- はじめに
- 何がすごいのか
- ネットワークの出力
- Step1: coarseの予測
- Step2: fineの予測
- さいごに
できること
この記事では、次のことができるようになります。
- シンプルなwaveRNNのネットワーク構造の理解
VQ-VAEの追試で得たWaveNetのノウハウをまとめてみた。
- できること
- はじめに
- 「膨大な計算資源が必要」に対する回答
- 前処理
- ネットワーク構造
- チャンネル数
- レイヤー数
- ロスと音質の関係
- VQ-VAE特有の知見
- さいごに
できること
この記事では、次のことができるようになります。
- VQ-VAEを使った声質変換
- WaveNetを使った音声合成を学習させる際のノウハウ
MosaicChainer -自動モザイクサービス-
- できること
- はじめに
- 利用上の注意
- 技術的な解説
- 今後について
できること
この記事では、次のことができるようになります。
- MosaicChainer(自動モザイクサービス)
- 分類問題を学習したResNetを用いて画風変換
chainerでVQ-VAEを実装した
- できること
- はじめに
- VQ-VAEとは
- ネットワーク構造
- chainer v3でfunctionおよびlinkを自作する(WIP)
- CVTK-Corpusを使ってVQ-VAE(speaker-unconditional)
- パラメータ調整
- 最後に
できること
この記事では、次のことができるようになります。
- CVTK-Corpusを使ってVQ-VAE(speaker-unconditional)
- chainer v3でfunctionおよびlinkを自作する(WIP)
レシピの材料名の表記ゆれに対処する
tl;dr
- 日本語における自然言語処理では表記ゆれが大きな問題である。
- word2vecを使えば辞書や正解ラベルに頼らない(作らない)で済む。
- 文章ではなくてもdoc2vecを使うと安定する。
はじめに
こんにちは、さかぱ(@zacapa_23) です。8ヶ月前に修論が終わり、今は社畜です。
今日、cookpadさんのブログを見て、「あっ!修論でやったやつに似てる!」と思い、「こんなやり方もあるんですよ。」と気持ちが高まったので書きます。
techlife.cookpad.com
表記ゆれは日本語での自然言語処理では大きな課題で、様々な論文で「表記ゆれのせいでうまくいかなかった。」という文言が散見されます。
2015年には日本語解析システム 雪だるま - 雪だるまプロジェクトで、地道に辞書を作成しているようで、開発理念の最後の1文からも表記ゆれ問題の深刻さが伺えますね。
一つ一つの技術を積み重ねていかない限り、高度な自然言語処理は実現しない。自然言語処理は総合芸術のようなもので、モデルのパラメータを一ついじるだけで問題が解決するような世界では決してない。
辞書レベル、単語レベルから地味で泥臭い積み重ねを行い、及びそれを蓄積していくことで初めて次の技術の突破口になる。いくら個別の技術を個別に研究していても、自然言語処理の全体像はいつまでも明らかになってくれない。しっかりとした土台を造り、基礎を固めていかなくてはならず、それを実現していない状態で最上階から見える景観の議論をやっていても不毛ではないのか。
学会発表の考察で、「形態素解析の解析誤り」とか「表記ゆれ」とかいう文言はもう聞きたくない。
日本語解析システム 雪だるま - 雪だるまプロジェクト, 開発理念より引用