狠狠撸shows by User: siliconstudio / http://www.slideshare.net/images/logo.gif 狠狠撸shows by User: siliconstudio / Tue, 26 Nov 2024 06:25:28 GMT 狠狠撸Share feed for 狠狠撸shows by User: siliconstudio 地理空间情报のススメ！オープンデータ×データドリブンなプロシージャル処理による都市の树木自动配置 /slideshow/x-a7e9/273605369 cedeckyushu2024presen-241126062528-745c87ec
都市における樹木は景観を構築していく上でとても重要です。 街路樹は景観向上や交通安全、公園の樹木は人々の憩いの場として、都市全体の景観に大きく貢献しています。 しかし、PLATEAUなどの植生データは限定的なエリアで公開されていることが多く、広範囲の都市の景観を構築するには不十分です。 本セッションでは、様々な地理空間情報を活用したデータドリブンなプロシージャル処理による樹木自動配置を紹介します。 本手法はすべてオープンデータを用いて実装を行っており、クローズドなデータに依存しないアプローチです。 さらに、地理空間情報とプロシージャルに共通した「属性情報」をどのようにデータ処理を行い、どのようにDCCツールで利用したかについても説明します。 今後ますます自動化が期待される中、地理空間情報とプロシージャル、この2つの異なる分野をつなげる活用例として参考になれば幸いです。]]>
都市における樹木は景観を構築していく上でとても重要です。 街路樹は景観向上や交通安全、公園の樹木は人々の憩いの場として、都市全体の景観に大きく貢献しています。 しかし、PLATEAUなどの植生データは限定的なエリアで公開されていることが多く、広範囲の都市の景観を構築するには不十分です。 本セッションでは、様々な地理空間情報を活用したデータドリブンなプロシージャル処理による樹木自動配置を紹介します。 本手法はすべてオープンデータを用いて実装を行っており、クローズドなデータに依存しないアプローチです。 さらに、地理空間情報とプロシージャルに共通した「属性情報」をどのようにデータ処理を行い、どのようにDCCツールで利用したかについても説明します。 今後ますます自動化が期待される中、地理空間情報とプロシージャル、この2つの異なる分野をつなげる活用例として参考になれば幸いです。]]> Tue, 26 Nov 2024 06:25:28 GMT /slideshow/x-a7e9/273605369 siliconstudio@slideshare.net(siliconstudio) 地理空间情报のススメ！オープンデータ×データドリブンなプロシージャル処理による都市の树木自动配置 siliconstudio 都市における樹木は景観を構築していく上でとても重要です。 街路樹は景観向上や交通安全、公園の樹木は人々の憩いの場として、都市全体の景観に大きく貢献しています。 しかし、PLATEAUなどの植生データは限定的なエリアで公開されていることが多く、広範囲の都市の景観を構築するには不十分です。 本セッションでは、様々な地理空間情報を活用したデータドリブンなプロシージャル処理による樹木自動配置を紹介します。 本手法はすべてオープンデータを用いて実装を行っており、クローズドなデータに依存しないアプローチです。 さらに、地理空間情報とプロシージャルに共通した「属性情報」をどのようにデータ処理を行い、どのようにDCCツールで利用したかについても説明します。 今後ますます自動化が期待される中、地理空間情報とプロシージャル、この2つの異なる分野をつなげる活用例として参考になれば幸いです。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedeckyushu2024presen-241126062528-745c87ec-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 都市における樹木は景観を構築していく上でとても重要です。 街路樹は景観向上や交通安全、公園の樹木は人々の憩いの場として、都市全体の景観に大きく貢献しています。 しかし、PLATEAUなどの植生データは限定的なエリアで公開されていることが多く、広範囲の都市の景観を構築するには不十分です。 本セッションでは、様々な地理空間情報を活用したデータドリブンなプロシージャル処理による樹木自動配置を紹介します。 本手法はすべてオープンデータを用いて実装を行っており、クローズドなデータに依存しないアプローチです。 さらに、地理空間情報とプロシージャルに共通した「属性情報」をどのようにデータ処理を行い、どのようにDCCツールで利用したかについても説明します。 今後ますます自動化が期待される中、地理空間情報とプロシージャル、この2つの異なる分野をつなげる活用例として参考になれば幸いです。
地理空间情报のススメ！オープンデータ×データドリブンなプロシージャル処理による都市の树木自动配置 from Silicon Studio Corporation
]]> 34 0 https://cdn.slidesharecdn.com/ss_thumbnails/cedeckyushu2024presen-241126062528-745c87ec-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 待望の狈别飞バージョンを彻底解説！レンズ効果にこだわり続けるポストエフェクトミドルウェア「驰贰叠滨厂」 /slideshow/new-yebis/271411511 yebiscedec202420240823-240829124729-24874ca0
『YEBIS（エビス）』はコンピューターグラフィックスに対し、カメラの絞りやレンズ特性による被写界深度、グレアなど、正確で高品質な光学効果を特徴とする、多彩なポストエフェクトを適用可能なミドルウエアです。2006年に最初のバージョンを発表して以降、これまで2度のメジャーバージョンアップを図りながら世界中のAAAゲームタイトルや映像コンテンツに採用されてきました。 その『YEBIS』が誇るレンズエフェクトの品質をさらに極めた次期バージョンが間もなく誕生しようとしています。 このセッションでは、次期バージョンで強化されるポイントや産業分野向けの映像制作を想定したUnreal Engineプラグイン「YEBIS Biz（エビス ビズ）」に至るまで、最新情報をどこよりも詳しくお伝えします。]]>
『YEBIS（エビス）』はコンピューターグラフィックスに対し、カメラの絞りやレンズ特性による被写界深度、グレアなど、正確で高品質な光学効果を特徴とする、多彩なポストエフェクトを適用可能なミドルウエアです。2006年に最初のバージョンを発表して以降、これまで2度のメジャーバージョンアップを図りながら世界中のAAAゲームタイトルや映像コンテンツに採用されてきました。 その『YEBIS』が誇るレンズエフェクトの品質をさらに極めた次期バージョンが間もなく誕生しようとしています。 このセッションでは、次期バージョンで強化されるポイントや産業分野向けの映像制作を想定したUnreal Engineプラグイン「YEBIS Biz（エビス ビズ）」に至るまで、最新情報をどこよりも詳しくお伝えします。]]> Thu, 29 Aug 2024 12:47:28 GMT /slideshow/new-yebis/271411511 siliconstudio@slideshare.net(siliconstudio) 待望の狈别飞バージョンを彻底解説！レンズ効果にこだわり続けるポストエフェクトミドルウェア「驰贰叠滨厂」 siliconstudio 『YEBIS（エビス）』はコンピューターグラフィックスに対し、カメラの絞りやレンズ特性による被写界深度、グレアなど、正確で高品質な光学効果を特徴とする、多彩なポストエフェクトを適用可能なミドルウエアです。2006年に最初のバージョンを発表して以降、これまで2度のメジャーバージョンアップを図りながら世界中のAAAゲームタイトルや映像コンテンツに採用されてきました。 その『YEBIS』が誇るレンズエフェクトの品質をさらに極めた次期バージョンが間もなく誕生しようとしています。 このセッションでは、次期バージョンで強化されるポイントや産業分野向けの映像制作を想定したUnreal Engineプラグイン「YEBIS Biz（エビス ビズ）」に至るまで、最新情報をどこよりも詳しくお伝えします。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/yebiscedec202420240823-240829124729-24874ca0-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 『YEBIS（エビス）』はコンピューターグラフィックスに対し、カメラの絞りやレンズ特性による被写界深度、グレアなど、正確で高品質な光学効果を特徴とする、多彩なポストエフェクトを適用可能なミドルウエアです。2006年に最初のバージョンを発表して以降、これまで2度のメジャーバージョンアップを図りながら世界中のAAAゲームタイトルや映像コンテンツに採用されてきました。 その『YEBIS』が誇るレンズエフェクトの品質をさらに極めた次期バージョンが間もなく誕生しようとしています。 このセッションでは、次期バージョンで強化されるポイントや産業分野向けの映像制作を想定したUnreal Engineプラグイン「YEBIS Biz（エビス ビズ）」に至るまで、最新情報をどこよりも詳しくお伝えします。
待望の狈别飞バージョンを彻底解説！レンズ効果にこだわり続けるポストエフェクトミドルウェア「驰贰叠滨厂」 from Silicon Studio Corporation
]]> 61 0 https://cdn.slidesharecdn.com/ss_thumbnails/yebiscedec202420240823-240829124729-24874ca0-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 リアルタイム机械学习レンダリングのアプローチ：ポリゴン描画による?形状安定性とニューラルネット画像生成による高品质性を両立する手法 /slideshow/ss-da40/271336885 cedec24hertzbergfredrik-240827011536-4c12acfc
機械学習を用いてリアルタイムに描画するための一つのアプローチおよびその実装を紹介します。 三角形メッシュのレンダリングと機械学習画像生成を統合し、それぞれの特長である形状安定性と画像品質の両方を実現できるアプローチです。 このアプローチでは、様々なGANニューラルネットワークを採用できます。 本発表では、結果の検証よりも理論と実装の詳細な議論に重点を置いています。]]>
機械学習を用いてリアルタイムに描画するための一つのアプローチおよびその実装を紹介します。 三角形メッシュのレンダリングと機械学習画像生成を統合し、それぞれの特長である形状安定性と画像品質の両方を実現できるアプローチです。 このアプローチでは、様々なGANニューラルネットワークを採用できます。 本発表では、結果の検証よりも理論と実装の詳細な議論に重点を置いています。]]> Tue, 27 Aug 2024 01:15:36 GMT /slideshow/ss-da40/271336885 siliconstudio@slideshare.net(siliconstudio) リアルタイム机械学习レンダリングのアプローチ：ポリゴン描画による?形状安定性とニューラルネット画像生成による高品质性を両立する手法 siliconstudio 機械学習を用いてリアルタイムに描画するための一つのアプローチおよびその実装を紹介します。 三角形メッシュのレンダリングと機械学習画像生成を統合し、それぞれの特長である形状安定性と画像品質の両方を実現できるアプローチです。 このアプローチでは、様々なGANニューラルネットワークを採用できます。 本発表では、結果の検証よりも理論と実装の詳細な議論に重点を置いています。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedec24hertzbergfredrik-240827011536-4c12acfc-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 機械学習を用いてリアルタイムに描画するための一つのアプローチおよびその実装を紹介します。 三角形メッシュのレンダリングと機械学習画像生成を統合し、それぞれの特長である形状安定性と画像品質の両方を実現できるアプローチです。 このアプローチでは、様々なGANニューラルネットワークを採用できます。 本発表では、結果の検証よりも理論と実装の詳細な議論に重点を置いています。
リアルタイム機械学習レンダリングのアプローチ：ポリゴン描画による 形状安定性とニューラルネット画像生成による高品質性を両立する手法 from Silicon Studio Corporation
]]> 1848 0 https://cdn.slidesharecdn.com/ss_thumbnails/cedec24hertzbergfredrik-240827011536-4c12acfc-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 リアルタイム光学エフェクトの深淵へ　～ 究極表現への道と位置 ～｜CEDEC2024 /slideshow/cedec2024-ce8c/271304668 cedec2024postprocessingopticaleffectdeepdivebokeh-240826020556-3167330f
リアルタイムCGにおけるポストエフェクト(ポストプロセッシングエフェクト)は、20年前の黎明期から大きく進化しています。 被写界深度やレンズフレア、モーションブラーといった光学的なエフェクトも、ある程度の写実性を達成していると言えるでしょう。 「ボケ表現」を例に取ると、スキャッタリング手法による滑らかなボケ、絞り羽根形状や口径食(レモンボケ)、収差シミュレーションによるボケ味の表現なども可能になっています。 しかし、それでも実写の巨大な「玉ボケ」などと比較すると、やはりその複雑さ、ディティール感などには依然として大きな隔たりがあります。 本セッションでは、実写レベルの光学エフェクトを実現するために従来のリアルタイム表現では足りない要素(一例として波動光学による回折模様など)を明らかにし、追加負荷の少ない実用的な実装手法とその結果を紹介します。 また、現状ではリアルタイム処理は難しくとも、将来可能になると予想される表現や、残された課題の解決技術などの展望も紹介します。]]>
リアルタイムCGにおけるポストエフェクト(ポストプロセッシングエフェクト)は、20年前の黎明期から大きく進化しています。 被写界深度やレンズフレア、モーションブラーといった光学的なエフェクトも、ある程度の写実性を達成していると言えるでしょう。 「ボケ表現」を例に取ると、スキャッタリング手法による滑らかなボケ、絞り羽根形状や口径食(レモンボケ)、収差シミュレーションによるボケ味の表現なども可能になっています。 しかし、それでも実写の巨大な「玉ボケ」などと比較すると、やはりその複雑さ、ディティール感などには依然として大きな隔たりがあります。 本セッションでは、実写レベルの光学エフェクトを実現するために従来のリアルタイム表現では足りない要素(一例として波動光学による回折模様など)を明らかにし、追加負荷の少ない実用的な実装手法とその結果を紹介します。 また、現状ではリアルタイム処理は難しくとも、将来可能になると予想される表現や、残された課題の解決技術などの展望も紹介します。]]> Mon, 26 Aug 2024 02:05:56 GMT /slideshow/cedec2024-ce8c/271304668 siliconstudio@slideshare.net(siliconstudio) リアルタイム光学エフェクトの深淵へ　～ 究極表現への道と位置 ～｜CEDEC2024 siliconstudio リアルタイムCGにおけるポストエフェクト(ポストプロセッシングエフェクト)は、20年前の黎明期から大きく進化しています。 被写界深度やレンズフレア、モーションブラーといった光学的なエフェクトも、ある程度の写実性を達成していると言えるでしょう。 「ボケ表現」を例に取ると、スキャッタリング手法による滑らかなボケ、絞り羽根形状や口径食(レモンボケ)、収差シミュレーションによるボケ味の表現なども可能になっています。 しかし、それでも実写の巨大な「玉ボケ」などと比較すると、やはりその複雑さ、ディティール感などには依然として大きな隔たりがあります。 本セッションでは、実写レベルの光学エフェクトを実現するために従来のリアルタイム表現では足りない要素(一例として波動光学による回折模様など)を明らかにし、追加負荷の少ない実用的な実装手法とその結果を紹介します。 また、現状ではリアルタイム処理は難しくとも、将来可能になると予想される表現や、残された課題の解決技術などの展望も紹介します。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedec2024postprocessingopticaleffectdeepdivebokeh-240826020556-3167330f-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> リアルタイムCGにおけるポストエフェクト(ポストプロセッシングエフェクト)は、20年前の黎明期から大きく進化しています。 被写界深度やレンズフレア、モーションブラーといった光学的なエフェクトも、ある程度の写実性を達成していると言えるでしょう。 「ボケ表現」を例に取ると、スキャッタリング手法による滑らかなボケ、絞り羽根形状や口径食(レモンボケ)、収差シミュレーションによるボケ味の表現なども可能になっています。 しかし、それでも実写の巨大な「玉ボケ」などと比較すると、やはりその複雑さ、ディティール感などには依然として大きな隔たりがあります。 本セッションでは、実写レベルの光学エフェクトを実現するために従来のリアルタイム表現では足りない要素(一例として波動光学による回折模様など)を明らかにし、追加負荷の少ない実用的な実装手法とその結果を紹介します。 また、現状ではリアルタイム処理は難しくとも、将来可能になると予想される表現や、残された課題の解決技術などの展望も紹介します。
リアルタイム光学エフェクトの深淵へ ～ 究極表現への道と位置 ～｜CEDEC2024 from Silicon Studio Corporation
]]> 2607 0 https://cdn.slidesharecdn.com/ss_thumbnails/cedec2024postprocessingopticaleffectdeepdivebokeh-240826020556-3167330f-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 次世代 NPR の輪郭線表現に迫る！リアルタイムベクトルストローク生成手法 StrokeGen を徹底解剖 /slideshow/npr-strokegen/271221318 cedec2024strokegensubmit-240822111855-2cc31b81
NPR 表現において輪郭線は非常に重要な要素です。 現在のゲームにおいては、軽量かつシンブルでリアルタイム用途として優れた押し出し法や画像処理フィルタを用いた輪郭線表現が主流になっています。 しかしこれらの手法は線の入り抜きのような繊細な線幅の調整などが苦手なため、よりイラストらしい高度な表現には適していません。 2022年に発表された論文 "GPU-Driven Real-Time Mesh Contour Vectorization [Jiang et al.]" とその Unity 実装 である StrokeGen は、ベクトル化された輪郭線のストロークをリアルタイムに生成する手法です。 リアルタイムのベクトルストローク描画は従来の輪郭線手法では為し得なかった様々な表現をもたらす可能性を秘めており、次世代のゲーム NPR 表現の一つの要素として StrokeGen は非常に期待の持てる技術です。 本セッションでは、StrokeGen のアルゴリズムについて詳しく解説し、どのようにしてリアルタイムにベクトルストロークを生成するのか、そのストロークを使ってどのような表現が可能になるのかを紹介します。 さらに、実際にゲームで StrokeGen を利用しようとしたときにどのような問題が現れるのか、どのように対策すべきなのかについての説明も行います。 また、アニメなどのオフラインの輪郭線表現から見たときに StrokeGen にどのような特性があるのかについても考察します。]]>
NPR 表現において輪郭線は非常に重要な要素です。 現在のゲームにおいては、軽量かつシンブルでリアルタイム用途として優れた押し出し法や画像処理フィルタを用いた輪郭線表現が主流になっています。 しかしこれらの手法は線の入り抜きのような繊細な線幅の調整などが苦手なため、よりイラストらしい高度な表現には適していません。 2022年に発表された論文 "GPU-Driven Real-Time Mesh Contour Vectorization [Jiang et al.]" とその Unity 実装 である StrokeGen は、ベクトル化された輪郭線のストロークをリアルタイムに生成する手法です。 リアルタイムのベクトルストローク描画は従来の輪郭線手法では為し得なかった様々な表現をもたらす可能性を秘めており、次世代のゲーム NPR 表現の一つの要素として StrokeGen は非常に期待の持てる技術です。 本セッションでは、StrokeGen のアルゴリズムについて詳しく解説し、どのようにしてリアルタイムにベクトルストロークを生成するのか、そのストロークを使ってどのような表現が可能になるのかを紹介します。 さらに、実際にゲームで StrokeGen を利用しようとしたときにどのような問題が現れるのか、どのように対策すべきなのかについての説明も行います。 また、アニメなどのオフラインの輪郭線表現から見たときに StrokeGen にどのような特性があるのかについても考察します。]]> Thu, 22 Aug 2024 11:18:55 GMT /slideshow/npr-strokegen/271221318 siliconstudio@slideshare.net(siliconstudio) 次世代 NPR の輪郭線表現に迫る！リアルタイムベクトルストローク生成手法 StrokeGen を徹底解剖 siliconstudio NPR 表現において輪郭線は非常に重要な要素です。 現在のゲームにおいては、軽量かつシンブルでリアルタイム用途として優れた押し出し法や画像処理フィルタを用いた輪郭線表現が主流になっています。 しかしこれらの手法は線の入り抜きのような繊細な線幅の調整などが苦手なため、よりイラストらしい高度な表現には適していません。 2022年に発表された論文 "GPU-Driven Real-Time Mesh Contour Vectorization [Jiang et al.]" とその Unity 実装 である StrokeGen は、ベクトル化された輪郭線のストロークをリアルタイムに生成する手法です。 リアルタイムのベクトルストローク描画は従来の輪郭線手法では為し得なかった様々な表現をもたらす可能性を秘めており、次世代のゲーム NPR 表現の一つの要素として StrokeGen は非常に期待の持てる技術です。 本セッションでは、StrokeGen のアルゴリズムについて詳しく解説し、どのようにしてリアルタイムにベクトルストロークを生成するのか、そのストロークを使ってどのような表現が可能になるのかを紹介します。 さらに、実際にゲームで StrokeGen を利用しようとしたときにどのような問題が現れるのか、どのように対策すべきなのかについての説明も行います。 また、アニメなどのオフラインの輪郭線表現から見たときに StrokeGen にどのような特性があるのかについても考察します。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedec2024strokegensubmit-240822111855-2cc31b81-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> NPR 表現において輪郭線は非常に重要な要素です。 現在のゲームにおいては、軽量かつシンブルでリアルタイム用途として優れた押し出し法や画像処理フィルタを用いた輪郭線表現が主流になっています。 しかしこれらの手法は線の入り抜きのような繊細な線幅の調整などが苦手なため、よりイラストらしい高度な表現には適していません。 2022年に発表された論文 &quot;GPU-Driven Real-Time Mesh Contour Vectorization [Jiang et al.]&quot; とその Unity 実装 である StrokeGen は、ベクトル化された輪郭線のストロークをリアルタイムに生成する手法です。 リアルタイムのベクトルストローク描画は従来の輪郭線手法では為し得なかった様々な表現をもたらす可能性を秘めており、次世代のゲーム NPR 表現の一つの要素として StrokeGen は非常に期待の持てる技術です。 本セッションでは、StrokeGen のアルゴリズムについて詳しく解説し、どのようにしてリアルタイムにベクトルストロークを生成するのか、そのストロークを使ってどのような表現が可能になるのかを紹介します。 さらに、実際にゲームで StrokeGen を利用しようとしたときにどのような問題が現れるのか、どのように対策すべきなのかについての説明も行います。 また、アニメなどのオフラインの輪郭線表現から見たときに StrokeGen にどのような特性があるのかについても考察します。
次世代 NPR の輪郭線表現に迫る！リアルタイムベクトルストローク生成手法 StrokeGen を徹底解剖 from Silicon Studio Corporation
]]> 2641 0 https://cdn.slidesharecdn.com/ss_thumbnails/cedec2024strokegensubmit-240822111855-2cc31b81-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 ハイエンド?ローエンドまで、「贰苍濒颈驳丑迟别苍」による効率的リアルタイムグローバルイルミネーション｜颁贰顿贰颁2023 /slideshow/enlightencedec2023/261350522 cedec2023cedil-230924060326-9a9e3a37
光の反射をシミュレートするには、非常に高い計算コストが要求されます。特にモバイルなどのローエンドプラットフォームでは、大域照明のリアルタイム更新を取り入れることは容易ではありません。 「Enlighten」は、事前計算を活用することにより、処理負荷面での影響を最小限に抑えながら、インゲームで動的に変化するライティング環境に対して高品質な間接光表現をさまざまなプラットフォームで実現することが可能です。 本セッションでは、既存のソリューションと比較して「Enlighten」にどのような特長があり、どういった場面で活躍できるのかをお話しいたしました。特に今回は、Unreal Engine 5のLumenとの見た目やパフォーマンスの比較検証を行ってきましたので、それらの結果についても詳しく解説しています。]]>
光の反射をシミュレートするには、非常に高い計算コストが要求されます。特にモバイルなどのローエンドプラットフォームでは、大域照明のリアルタイム更新を取り入れることは容易ではありません。 「Enlighten」は、事前計算を活用することにより、処理負荷面での影響を最小限に抑えながら、インゲームで動的に変化するライティング環境に対して高品質な間接光表現をさまざまなプラットフォームで実現することが可能です。 本セッションでは、既存のソリューションと比較して「Enlighten」にどのような特長があり、どういった場面で活躍できるのかをお話しいたしました。特に今回は、Unreal Engine 5のLumenとの見た目やパフォーマンスの比較検証を行ってきましたので、それらの結果についても詳しく解説しています。]]> Sun, 24 Sep 2023 06:03:26 GMT /slideshow/enlightencedec2023/261350522 siliconstudio@slideshare.net(siliconstudio) ハイエンド?ローエンドまで、「贰苍濒颈驳丑迟别苍」による効率的リアルタイムグローバルイルミネーション｜颁贰顿贰颁2023 siliconstudio 光の反射をシミュレートするには、非常に高い計算コストが要求されます。特にモバイルなどのローエンドプラットフォームでは、大域照明のリアルタイム更新を取り入れることは容易ではありません。 「Enlighten」は、事前計算を活用することにより、処理負荷面での影響を最小限に抑えながら、インゲームで動的に変化するライティング環境に対して高品質な間接光表現をさまざまなプラットフォームで実現することが可能です。 本セッションでは、既存のソリューションと比較して「Enlighten」にどのような特長があり、どういった場面で活躍できるのかをお話しいたしました。特に今回は、Unreal Engine 5のLumenとの見た目やパフォーマンスの比較検証を行ってきましたので、それらの結果についても詳しく解説しています。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedec2023cedil-230924060326-9a9e3a37-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 光の反射をシミュレートするには、非常に高い計算コストが要求されます。特にモバイルなどのローエンドプラットフォームでは、大域照明のリアルタイム更新を取り入れることは容易ではありません。 「Enlighten」は、事前計算を活用することにより、処理負荷面での影響を最小限に抑えながら、インゲームで動的に変化するライティング環境に対して高品質な間接光表現をさまざまなプラットフォームで実現することが可能です。 本セッションでは、既存のソリューションと比較して「Enlighten」にどのような特長があり、どういった場面で活躍できるのかをお話しいたしました。特に今回は、Unreal Engine 5のLumenとの見た目やパフォーマンスの比較検証を行ってきましたので、それらの結果についても詳しく解説しています。
ハイエンド?ローエンドまで、「贰苍濒颈驳丑迟别苍」による効率的リアルタイムグローバルイルミネーション｜颁贰顿贰颁2023 from Silicon Studio Corporation
]]> 274 0 https://cdn.slidesharecdn.com/ss_thumbnails/cedec2023cedil-230924060326-9a9e3a37-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Procedural PLATEAU: プロシージャル技術と3D都市モデル「Project PLATEAU」を組み合わせたファサード自動生成と?テクスチャ付き3Dモデル自動生成の取り組み /siliconstudio/procedural-plateau-3dproject-plateau3d cedec2023proceduralplateau-230830090127-2e103c39
近年、3D都市モデルPLATEAUを活用してドローンや観光、防災などのソリューション開発の事例が多く出てきています。しかし、現在のPLATEAUの建物データには一部のエリアにしかテクスチャがなく、ほとんどの建物データは白い箱モデルで公開されています。 本セッションでは大量にある白い箱モデルに対して、建物の外観であるファサードを自動生成する取り組みを紹介します。さらに、自動生成したファサードをテクスチャにベイクする方法や白い箱モデルにテクスチャをマッピングする方法を詳しく説明します。また、ゲームエンジン上でのパフォーマンスを考慮して工夫した点についても説明します。 PLATEAUのデータを活用されている方やこれからPLATEAUのデータを使ってみたい方の参考になれば幸いです。]]>
近年、3D都市モデルPLATEAUを活用してドローンや観光、防災などのソリューション開発の事例が多く出てきています。しかし、現在のPLATEAUの建物データには一部のエリアにしかテクスチャがなく、ほとんどの建物データは白い箱モデルで公開されています。 本セッションでは大量にある白い箱モデルに対して、建物の外観であるファサードを自動生成する取り組みを紹介します。さらに、自動生成したファサードをテクスチャにベイクする方法や白い箱モデルにテクスチャをマッピングする方法を詳しく説明します。また、ゲームエンジン上でのパフォーマンスを考慮して工夫した点についても説明します。 PLATEAUのデータを活用されている方やこれからPLATEAUのデータを使ってみたい方の参考になれば幸いです。]]> Wed, 30 Aug 2023 09:01:27 GMT /siliconstudio/procedural-plateau-3dproject-plateau3d siliconstudio@slideshare.net(siliconstudio) Procedural PLATEAU: プロシージャル技術と3D都市モデル「Project PLATEAU」を組み合わせたファサード自動生成と?テクスチャ付き3Dモデル自動生成の取り組み siliconstudio 近年、3D都市モデルPLATEAUを活用してドローンや観光、防災などのソリューション開発の事例が多く出てきています。しかし、現在のPLATEAUの建物データには一部のエリアにしかテクスチャがなく、ほとんどの建物データは白い箱モデルで公開されています。 本セッションでは大量にある白い箱モデルに対して、建物の外観であるファサードを自動生成する取り組みを紹介します。さらに、自動生成したファサードをテクスチャにベイクする方法や白い箱モデルにテクスチャをマッピングする方法を詳しく説明します。また、ゲームエンジン上でのパフォーマンスを考慮して工夫した点についても説明します。 PLATEAUのデータを活用されている方やこれからPLATEAUのデータを使ってみたい方の参考になれば幸いです。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedec2023proceduralplateau-230830090127-2e103c39-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 近年、3D都市モデルPLATEAUを活用してドローンや観光、防災などのソリューション開発の事例が多く出てきています。しかし、現在のPLATEAUの建物データには一部のエリアにしかテクスチャがなく、ほとんどの建物データは白い箱モデルで公開されています。 本セッションでは大量にある白い箱モデルに対して、建物の外観であるファサードを自動生成する取り組みを紹介します。さらに、自動生成したファサードをテクスチャにベイクする方法や白い箱モデルにテクスチャをマッピングする方法を詳しく説明します。また、ゲームエンジン上でのパフォーマンスを考慮して工夫した点についても説明します。 PLATEAUのデータを活用されている方やこれからPLATEAUのデータを使ってみたい方の参考になれば幸いです。
Procedural PLATEAU: プロシージャル技術と3D都市モデル「Project PLATEAU」を組み合わせたファサード自動生成と テクスチャ付き3Dモデル自動生成の取り組み from Silicon Studio Corporation
]]> 8710 0 https://cdn.slidesharecdn.com/ss_thumbnails/cedec2023proceduralplateau-230830090127-2e103c39-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 ハイエンド?ローエンドまで、「贰苍濒颈驳丑迟别苍」による効率的リアルタイムグローバルイルミネーション /slideshow/gtmf2023enlightenpptx/259156746 gtmf2023enlighten-230712085851-92cd5177
光の反射のシミュレートは非常に高い計算コストが要求されます。特にモバイルプラットフォームでは、リアルタイムに更新される大域照明を取り入れることは容易ではありません。 「Enlighten」は事前計算を活用することで、ゲームへの処理負荷面での影響を最低限に抑えながら、高品質かつ動的に変化する間接光を実現することが可能です。 本スライドは、GTMF2023において講演させていたものになります。 様々なプラットフォームにおいて軽快なリアルタイムGIを提供する「Enlighten」の最新リリース情報や他ソリューションとの違いについてお話しさせていただきました。 スライド中、いくつか動画が埋め込まれています。ダウンロードの上ご確認ください。]]>
光の反射のシミュレートは非常に高い計算コストが要求されます。特にモバイルプラットフォームでは、リアルタイムに更新される大域照明を取り入れることは容易ではありません。 「Enlighten」は事前計算を活用することで、ゲームへの処理負荷面での影響を最低限に抑えながら、高品質かつ動的に変化する間接光を実現することが可能です。 本スライドは、GTMF2023において講演させていたものになります。 様々なプラットフォームにおいて軽快なリアルタイムGIを提供する「Enlighten」の最新リリース情報や他ソリューションとの違いについてお話しさせていただきました。 スライド中、いくつか動画が埋め込まれています。ダウンロードの上ご確認ください。]]> Wed, 12 Jul 2023 08:58:51 GMT /slideshow/gtmf2023enlightenpptx/259156746 siliconstudio@slideshare.net(siliconstudio) ハイエンド?ローエンドまで、「贰苍濒颈驳丑迟别苍」による効率的リアルタイムグローバルイルミネーション siliconstudio 光の反射のシミュレートは非常に高い計算コストが要求されます。特にモバイルプラットフォームでは、リアルタイムに更新される大域照明を取り入れることは容易ではありません。 「Enlighten」は事前計算を活用することで、ゲームへの処理負荷面での影響を最低限に抑えながら、高品質かつ動的に変化する間接光を実現することが可能です。 本スライドは、GTMF2023において講演させていたものになります。 様々なプラットフォームにおいて軽快なリアルタイムGIを提供する「Enlighten」の最新リリース情報や他ソリューションとの違いについてお話しさせていただきました。 スライド中、いくつか動画が埋め込まれています。ダウンロードの上ご確認ください。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/gtmf2023enlighten-230712085851-92cd5177-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 光の反射のシミュレートは非常に高い計算コストが要求されます。特にモバイルプラットフォームでは、リアルタイムに更新される大域照明を取り入れることは容易ではありません。 「Enlighten」は事前計算を活用することで、ゲームへの処理負荷面での影響を最低限に抑えながら、高品質かつ動的に変化する間接光を実現することが可能です。 本スライドは、GTMF2023において講演させていたものになります。 様々なプラットフォームにおいて軽快なリアルタイムGIを提供する「Enlighten」の最新リリース情報や他ソリューションとの違いについてお話しさせていただきました。 スライド中、いくつか動画が埋め込まれています。ダウンロードの上ご確認ください。
ハイエンド?ローエンドまで、「贰苍濒颈驳丑迟别苍」による効率的リアルタイムグローバルイルミネーション from Silicon Studio Corporation
]]> 426 0 https://cdn.slidesharecdn.com/ss_thumbnails/gtmf2023enlighten-230712085851-92cd5177-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 待望のメジャーアップデート！Enlighten 4 レイトレなど最新機能ご紹介 /slideshow/enlighten-4/250097493 enlightencedec2021-210902024441
待望のメジャーアップデート！Enlighten 4 レイトレなど最新機能ご紹介 本セッションでは、進化したグローバルイルミネーションミドルウェア「Enlighten 4」に追加されている新しい機能をご紹介いたします。 昨年のCEDEC 2020では「リアルタイムレイトレーシング＋EnlightenによるHybrid型グローバルイルミネーション」と題し、Enlightenとリアルタイムレイトレーシングの組み合わせによる、新しいグローバルイルミネーションの手法についてお伝えいたしました。今回はメジャーアップデートの具体的な内容として、リアルタイムレイトレーシングの組み合わせ、改善されたラジオシティー、およびピクセル単位のプローブライティングといった最先端のグローバルイルミネーションソリューションに関する最新情報を解説いたします。 ]]>
待望のメジャーアップデート！Enlighten 4 レイトレなど最新機能ご紹介 本セッションでは、進化したグローバルイルミネーションミドルウェア「Enlighten 4」に追加されている新しい機能をご紹介いたします。 昨年のCEDEC 2020では「リアルタイムレイトレーシング＋EnlightenによるHybrid型グローバルイルミネーション」と題し、Enlightenとリアルタイムレイトレーシングの組み合わせによる、新しいグローバルイルミネーションの手法についてお伝えいたしました。今回はメジャーアップデートの具体的な内容として、リアルタイムレイトレーシングの組み合わせ、改善されたラジオシティー、およびピクセル単位のプローブライティングといった最先端のグローバルイルミネーションソリューションに関する最新情報を解説いたします。 ]]> Thu, 02 Sep 2021 02:44:41 GMT /slideshow/enlighten-4/250097493 siliconstudio@slideshare.net(siliconstudio) 待望のメジャーアップデート！Enlighten 4 レイトレなど最新機能ご紹介 siliconstudio 待望のメジャーアップデート！Enlighten 4 レイトレなど最新機能ご紹介 本セッションでは、進化したグローバルイルミネーションミドルウェア「Enlighten 4」に追加されている新しい機能をご紹介いたします。 昨年のCEDEC 2020では「リアルタイムレイトレーシング＋EnlightenによるHybrid型グローバルイルミネーション」と題し、Enlightenとリアルタイムレイトレーシングの組み合わせによる、新しいグローバルイルミネーションの手法についてお伝えいたしました。今回はメジャーアップデートの具体的な内容として、リアルタイムレイトレーシングの組み合わせ、改善されたラジオシティー、およびピクセル単位のプローブライティングといった最先端のグローバルイルミネーションソリューションに関する最新情報を解説いたします。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/enlightencedec2021-210902024441-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 待望のメジャーアップデート！Enlighten 4 レイトレなど最新機能ご紹介 本セッションでは、進化したグローバルイルミネーションミドルウェア「Enlighten 4」に追加されている新しい機能をご紹介いたします。 昨年のCEDEC 2020では「リアルタイムレイトレーシング＋EnlightenによるHybrid型グローバルイルミネーション」と題し、Enlightenとリアルタイムレイトレーシングの組み合わせによる、新しいグローバルイルミネーションの手法についてお伝えいたしました。今回はメジャーアップデートの具体的な内容として、リアルタイムレイトレーシングの組み合わせ、改善されたラジオシティー、およびピクセル単位のプローブライティングといった最先端のグローバルイルミネーションソリューションに関する最新情報を解説いたします。
待望のメジャーアップデート！Enlighten 4 レイトレなど最新機能ご紹介 from Silicon Studio Corporation
]]> 476 0 https://cdn.slidesharecdn.com/ss_thumbnails/enlightencedec2021-210902024441-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 3顿颁骋住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定！ /slideshow/3dcg-250084213/250084213 cedec2021deepprobe-210831062657
3顿颁骋住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定！ 【本講演の内容】 ? ディープラーニングの基礎知識 ? 住宅プレゼンテーションシステム ? ニューラルネットワークの学習 ? 結果 ? まとめ]]>
3顿颁骋住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定！ 【本講演の内容】 ? ディープラーニングの基礎知識 ? 住宅プレゼンテーションシステム ? ニューラルネットワークの学習 ? 結果 ? まとめ]]> Tue, 31 Aug 2021 06:26:56 GMT /slideshow/3dcg-250084213/250084213 siliconstudio@slideshare.net(siliconstudio) 3顿颁骋住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定！ siliconstudio 3顿颁骋住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定！ 【本講演の内容】 ? ディープラーニングの基礎知識 ? 住宅プレゼンテーションシステム ? ニューラルネットワークの学習 ? 結果 ? まとめ <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedec2021deepprobe-210831062657-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> 3顿颁骋住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定！ 【本講演の内容】 ? ディープラーニングの基礎知識 ? 住宅プレゼンテーションシステム ? ニューラルネットワークの学習 ? 結果 ? まとめ
3顿颁骋住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定！ from Silicon Studio Corporation
]]> 22368 0 https://cdn.slidesharecdn.com/ss_thumbnails/cedec2021deepprobe-210831062657-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 リアルタイムレイトレーシング时代を生き抜くためのデノイザー开発入门 /slideshow/ss-250061842/250061842 random-210827071435
リアルタイムレイトレーシング时代を生き抜くためのデノイザー开発入门 【本講演の内容】 自社製のリアルタイムレンダリングエンジンにおける、 リアルタイムレイトレーシングのデノイザー開発についての取り組みを紹介 ? アルゴリズムの紹介 ? 各要素技術の実装方法 ? どのような結果が得られたのか ? 細かい問題に対する対処方法]]>
リアルタイムレイトレーシング时代を生き抜くためのデノイザー开発入门 【本講演の内容】 自社製のリアルタイムレンダリングエンジンにおける、 リアルタイムレイトレーシングのデノイザー開発についての取り組みを紹介 ? アルゴリズムの紹介 ? 各要素技術の実装方法 ? どのような結果が得られたのか ? 細かい問題に対する対処方法]]> Fri, 27 Aug 2021 07:14:35 GMT /slideshow/ss-250061842/250061842 siliconstudio@slideshare.net(siliconstudio) リアルタイムレイトレーシング时代を生き抜くためのデノイザー开発入门 siliconstudio リアルタイムレイトレーシング时代を生き抜くためのデノイザー开発入门 【本講演の内容】 自社製のリアルタイムレンダリングエンジンにおける、 リアルタイムレイトレーシングのデノイザー開発についての取り組みを紹介 ? アルゴリズムの紹介 ? 各要素技術の実装方法 ? どのような結果が得られたのか ? 細かい問題に対する対処方法 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/random-210827071435-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> リアルタイムレイトレーシング时代を生き抜くためのデノイザー开発入门 【本講演の内容】 自社製のリアルタイムレンダリングエンジンにおける、 リアルタイムレイトレーシングのデノイザー開発についての取り組みを紹介 ? アルゴリズムの紹介 ? 各要素技術の実装方法 ? どのような結果が得られたのか ? 細かい問題に対する対処方法
リアルタイムレイトレーシング时代を生き抜くためのデノイザー开発入门 from Silicon Studio Corporation
]]> 22721 0 https://cdn.slidesharecdn.com/ss_thumbnails/random-210827071435-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Unreal Engine を用いた、駐車スペース検知のための学習データ生成 /slideshow/unreal-engine-238503715/238503715 cedec2020-200916071302
CEDEC 2020でアイシン精機様と共に登壇したセッション「Unreal Engine を用いた、駐車スペース検知のための学習データ生成」の講演資料です。 【セッションの内容】 自動運転開発などでは実車撮影に制約があり、シミュレーション技術によるデータ増強が強く求められます。 本セッションでは、当社が開発協力したリアルタイム3DCGによるシミュレータを紹介しました。白線やトラロープなどさまざまな現実世界に存在する区画線表現に加え、時間帯?天候効果のカスタマイズも可能とし、実写と同様のリアリティを実現します。]]>
CEDEC 2020でアイシン精機様と共に登壇したセッション「Unreal Engine を用いた、駐車スペース検知のための学習データ生成」の講演資料です。 【セッションの内容】 自動運転開発などでは実車撮影に制約があり、シミュレーション技術によるデータ増強が強く求められます。 本セッションでは、当社が開発協力したリアルタイム3DCGによるシミュレータを紹介しました。白線やトラロープなどさまざまな現実世界に存在する区画線表現に加え、時間帯?天候効果のカスタマイズも可能とし、実写と同様のリアリティを実現します。]]> Wed, 16 Sep 2020 07:13:02 GMT /slideshow/unreal-engine-238503715/238503715 siliconstudio@slideshare.net(siliconstudio) Unreal Engine を用いた、駐車スペース検知のための学習データ生成 siliconstudio CEDEC 2020でアイシン精機様と共に登壇したセッション「Unreal Engine を用いた、駐車スペース検知のための学習データ生成」の講演資料です。 【セッションの内容】 自動運転開発などでは実車撮影に制約があり、シミュレーション技術によるデータ増強が強く求められます。 本セッションでは、当社が開発協力したリアルタイム3DCGによるシミュレータを紹介しました。白線やトラロープなどさまざまな現実世界に存在する区画線表現に加え、時間帯?天候効果のカスタマイズも可能とし、実写と同様のリアリティを実現します。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedec2020-200916071302-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> CEDEC 2020でアイシン精機様と共に登壇したセッション「Unreal Engine を用いた、駐車スペース検知のための学習データ生成」の講演資料です。 【セッションの内容】 自動運転開発などでは実車撮影に制約があり、シミュレーション技術によるデータ増強が強く求められます。 本セッションでは、当社が開発協力したリアルタイム3DCGによるシミュレータを紹介しました。白線やトラロープなどさまざまな現実世界に存在する区画線表現に加え、時間帯?天候効果のカスタマイズも可能とし、実写と同様のリアリティを実現します。
Unreal Engine を用いた、駐車スペース検知のための学習データ生成 from Silicon Studio Corporation
]]> 9205 0 https://cdn.slidesharecdn.com/ss_thumbnails/cedec2020-200916071302-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 エンド?トゥ?エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 - /slideshow/ai-238487573/238487573 cedec2020siliconstudiohertzbergtheroadtoendtoendairendering-200915070833
CEDEC 2020で登壇したセッション「エンド?トゥ?エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討」の講演資料です。 【セッションの内容】 近年、ニューラルネットワークによって写真のようにリアルな画像を作ることができるようになってきました。 しかし、形状や位置、光環境、見た目などのパラメータを自由に指定して一貫性のある結果をAIで生成することは未だ困難です。 そのような制限を乗り越えるには各パラメータに特化したAIのインフラが必要になります。 本発表では、AIによって直接描画することを目指し、人間の顔面を対象として取り上げます。望ましい出力を得るために適切なパラメータを解析、教師データ生成のためのインフラや神経回路網の構成を比較し、実装します。 特に、光源環境、造形の特徴等を含む構造化入力引数の顔面3Dデータフォーマットを生成するGPGPUアルゴリズムを開発、応用、評価しています。]]>
CEDEC 2020で登壇したセッション「エンド?トゥ?エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討」の講演資料です。 【セッションの内容】 近年、ニューラルネットワークによって写真のようにリアルな画像を作ることができるようになってきました。 しかし、形状や位置、光環境、見た目などのパラメータを自由に指定して一貫性のある結果をAIで生成することは未だ困難です。 そのような制限を乗り越えるには各パラメータに特化したAIのインフラが必要になります。 本発表では、AIによって直接描画することを目指し、人間の顔面を対象として取り上げます。望ましい出力を得るために適切なパラメータを解析、教師データ生成のためのインフラや神経回路網の構成を比較し、実装します。 特に、光源環境、造形の特徴等を含む構造化入力引数の顔面3Dデータフォーマットを生成するGPGPUアルゴリズムを開発、応用、評価しています。]]> Tue, 15 Sep 2020 07:08:33 GMT /slideshow/ai-238487573/238487573 siliconstudio@slideshare.net(siliconstudio) エンド?トゥ?エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 - siliconstudio CEDEC 2020で登壇したセッション「エンド?トゥ?エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討」の講演資料です。 【セッションの内容】 近年、ニューラルネットワークによって写真のようにリアルな画像を作ることができるようになってきました。 しかし、形状や位置、光環境、見た目などのパラメータを自由に指定して一貫性のある結果をAIで生成することは未だ困難です。 そのような制限を乗り越えるには各パラメータに特化したAIのインフラが必要になります。 本発表では、AIによって直接描画することを目指し、人間の顔面を対象として取り上げます。望ましい出力を得るために適切なパラメータを解析、教師データ生成のためのインフラや神経回路網の構成を比較し、実装します。 特に、光源環境、造形の特徴等を含む構造化入力引数の顔面3Dデータフォーマットを生成するGPGPUアルゴリズムを開発、応用、評価しています。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedec2020siliconstudiohertzbergtheroadtoendtoendairendering-200915070833-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> CEDEC 2020で登壇したセッション「エンド?トゥ?エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討」の講演資料です。 【セッションの内容】 近年、ニューラルネットワークによって写真のようにリアルな画像を作ることができるようになってきました。 しかし、形状や位置、光環境、見た目などのパラメータを自由に指定して一貫性のある結果をAIで生成することは未だ困難です。 そのような制限を乗り越えるには各パラメータに特化したAIのインフラが必要になります。 本発表では、AIによって直接描画することを目指し、人間の顔面を対象として取り上げます。望ましい出力を得るために適切なパラメータを解析、教師データ生成のためのインフラや神経回路網の構成を比較し、実装します。 特に、光源環境、造形の特徴等を含む構造化入力引数の顔面3Dデータフォーマットを生成するGPGPUアルゴリズムを開発、応用、評価しています。
エンド?トゥ?エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 - from Silicon Studio Corporation
]]> 20026 0 https://cdn.slidesharecdn.com/ss_thumbnails/cedec2020siliconstudiohertzbergtheroadtoendtoendairendering-200915070833-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 シリコンスタジオで開発中の Mizuchi for DCC Tool について /slideshow/mizuchi-for-dcc-tool/171072723 cedec2019mizuchi-190912054133
CEDEC 2019で登壇したセッション「シリコンスタジオで開発中の Mizuchi for DCC Tool について」の講演資料です。 【セッションの内容】 シリコンスタジオでは　"Mizuchi Extension for DCC Tool" 　と呼んでいるツール群を新たに開発しています。 このツール群の導入により、デザイナーが慣れ親しんだDCCツールをそのまま活用しつつ、リアルタイムCGの特長を生かしたワークフローの構築が可能になります。 本セッションでは、下記の内容をご紹介します。 ?DCC Tool との連携を中心としたワークフロー ?機能群 ?活用例 ?今後の展望]]>
CEDEC 2019で登壇したセッション「シリコンスタジオで開発中の Mizuchi for DCC Tool について」の講演資料です。 【セッションの内容】 シリコンスタジオでは　"Mizuchi Extension for DCC Tool" 　と呼んでいるツール群を新たに開発しています。 このツール群の導入により、デザイナーが慣れ親しんだDCCツールをそのまま活用しつつ、リアルタイムCGの特長を生かしたワークフローの構築が可能になります。 本セッションでは、下記の内容をご紹介します。 ?DCC Tool との連携を中心としたワークフロー ?機能群 ?活用例 ?今後の展望]]> Thu, 12 Sep 2019 05:41:33 GMT /slideshow/mizuchi-for-dcc-tool/171072723 siliconstudio@slideshare.net(siliconstudio) シリコンスタジオで開発中の Mizuchi for DCC Tool について siliconstudio CEDEC 2019で登壇したセッション「シリコンスタジオで開発中の Mizuchi for DCC Tool について」の講演資料です。 【セッションの内容】 シリコンスタジオでは　"Mizuchi Extension for DCC Tool" 　と呼んでいるツール群を新たに開発しています。 このツール群の導入により、デザイナーが慣れ親しんだDCCツールをそのまま活用しつつ、リアルタイムCGの特長を生かしたワークフローの構築が可能になります。 本セッションでは、下記の内容をご紹介します。 ?DCC Tool との連携を中心としたワークフロー ?機能群 ?活用例 ?今後の展望 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedec2019mizuchi-190912054133-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> CEDEC 2019で登壇したセッション「シリコンスタジオで開発中の Mizuchi for DCC Tool について」の講演資料です。 【セッションの内容】 シリコンスタジオでは　&quot;Mizuchi Extension for DCC Tool&quot; 　と呼んでいるツール群を新たに開発しています。 このツール群の導入により、デザイナーが慣れ親しんだDCCツールをそのまま活用しつつ、リアルタイムCGの特長を生かしたワークフローの構築が可能になります。 本セッションでは、下記の内容をご紹介します。 ?DCC Tool との連携を中心としたワークフロー ?機能群 ?活用例 ?今後の展望
シリコンスタジオで開発中の Mizuchi for DCC Tool について from Silicon Studio Corporation
]]> 11349 0 https://cdn.slidesharecdn.com/ss_thumbnails/cedec2019mizuchi-190912054133-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 物理ベース？アート指向？ ～尤もらしさと自由度を両立するレンズフレア表現 /siliconstudio/ss-170812829 cedec2019lensflare-190911072435
CEDEC 2019で登壇したセッション「物理ベース？アート指向？ ～尤もらしさと自由度を両立するレンズフレア表現」のプレゼンテーション資料です。 【セッションの内容】 従来から使われてきたスプライトベースのレンズフレア(ゴースト)表現では、アーティストあるいはエンジニアが経験則で各ゴーストの形状と並び方を定義することが多かった。 これは自由な表現が可能であるが、専門的な経験やセンスが必要であり、かつ光学的な性質による動的な形状の変化への対応が難しい。 近年では反対に物理的なアプローチとして、実際のレンズ構成から各ゴーストの形状をシミュレーションして表示する手法が提案されている。 しかし、事前計算の負担や自由度の問題から、実用化には課題も多い。また、必ずしも光学的特性に左右され過ぎない制御が必要となるケースもある。 本セッションでは、物理的には必ずしも正確では無いが充分な尤もらしさと、容易なカスタマイズ性を兼ね備えた実用的なレンズフレア表現について紹介する。 ]]>
CEDEC 2019で登壇したセッション「物理ベース？アート指向？ ～尤もらしさと自由度を両立するレンズフレア表現」のプレゼンテーション資料です。 【セッションの内容】 従来から使われてきたスプライトベースのレンズフレア(ゴースト)表現では、アーティストあるいはエンジニアが経験則で各ゴーストの形状と並び方を定義することが多かった。 これは自由な表現が可能であるが、専門的な経験やセンスが必要であり、かつ光学的な性質による動的な形状の変化への対応が難しい。 近年では反対に物理的なアプローチとして、実際のレンズ構成から各ゴーストの形状をシミュレーションして表示する手法が提案されている。 しかし、事前計算の負担や自由度の問題から、実用化には課題も多い。また、必ずしも光学的特性に左右され過ぎない制御が必要となるケースもある。 本セッションでは、物理的には必ずしも正確では無いが充分な尤もらしさと、容易なカスタマイズ性を兼ね備えた実用的なレンズフレア表現について紹介する。 ]]> Wed, 11 Sep 2019 07:24:35 GMT /siliconstudio/ss-170812829 siliconstudio@slideshare.net(siliconstudio) 物理ベース？アート指向？ ～尤もらしさと自由度を両立するレンズフレア表現 siliconstudio CEDEC 2019で登壇したセッション「物理ベース？アート指向？ ～尤もらしさと自由度を両立するレンズフレア表現」のプレゼンテーション資料です。 【セッションの内容】 従来から使われてきたスプライトベースのレンズフレア(ゴースト)表現では、アーティストあるいはエンジニアが経験則で各ゴーストの形状と並び方を定義することが多かった。 これは自由な表現が可能であるが、専門的な経験やセンスが必要であり、かつ光学的な性質による動的な形状の変化への対応が難しい。 近年では反対に物理的なアプローチとして、実際のレンズ構成から各ゴーストの形状をシミュレーションして表示する手法が提案されている。 しかし、事前計算の負担や自由度の問題から、実用化には課題も多い。また、必ずしも光学的特性に左右され過ぎない制御が必要となるケースもある。 本セッションでは、物理的には必ずしも正確では無いが充分な尤もらしさと、容易なカスタマイズ性を兼ね備えた実用的なレンズフレア表現について紹介する。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedec2019lensflare-190911072435-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> CEDEC 2019で登壇したセッション「物理ベース？アート指向？ ～尤もらしさと自由度を両立するレンズフレア表現」のプレゼンテーション資料です。 【セッションの内容】 従来から使われてきたスプライトベースのレンズフレア(ゴースト)表現では、アーティストあるいはエンジニアが経験則で各ゴーストの形状と並び方を定義することが多かった。 これは自由な表現が可能であるが、専門的な経験やセンスが必要であり、かつ光学的な性質による動的な形状の変化への対応が難しい。 近年では反対に物理的なアプローチとして、実際のレンズ構成から各ゴーストの形状をシミュレーションして表示する手法が提案されている。 しかし、事前計算の負担や自由度の問題から、実用化には課題も多い。また、必ずしも光学的特性に左右され過ぎない制御が必要となるケースもある。 本セッションでは、物理的には必ずしも正確では無いが充分な尤もらしさと、容易なカスタマイズ性を兼ね備えた実用的なレンズフレア表現について紹介する。
物理ベース？アート指向？ ～尤もらしさと自由度を両立するレンズフレア表現 from Silicon Studio Corporation
]]> 12735 93 https://cdn.slidesharecdn.com/ss_thumbnails/cedec2019lensflare-190911072435-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 実践的なHDR出力対応 ～レンダリングパイプラインの構築～ /siliconstudio/hdr-82494129 cedeckyushu2017hdrkawase-171122064144
CEDEC+KYUSHU 2017で登壇したセッション「実践的なHDR出力対応 ～レンダリングパイプラインの構築～」のプレゼンテーション資料です。 【講演内容】 予算の限られた開発における実用的なHDR出力対応のためには、SDR出力時との互換性や、既存のワークフロー／ノウハウへの影響を小さく抑える事が重要となります。 しかし現実には、プラットフォームによって最終的な出力バッファのフォーマットが異なったり、あるいは選択肢があるなどし、それによっても互換性を保つための方法が異なったり、レンダリングパイプラインを変更する必要が生じます。 本セッションでは、 ?どのようにSDRとの互換性を保つHDR出力のためのレンダリングパイプラインを構築するか ?さまざまな出力フォーマットの違いをどのように吸収すれば良いか ?実装する上で留意すべき細かくて面倒なノウハウ などを取り上げます。 ※ここで述べるレンダリングパイプラインとは、主にランタイムにおけるレンダリングの流れを指しています。]]>
CEDEC+KYUSHU 2017で登壇したセッション「実践的なHDR出力対応 ～レンダリングパイプラインの構築～」のプレゼンテーション資料です。 【講演内容】 予算の限られた開発における実用的なHDR出力対応のためには、SDR出力時との互換性や、既存のワークフロー／ノウハウへの影響を小さく抑える事が重要となります。 しかし現実には、プラットフォームによって最終的な出力バッファのフォーマットが異なったり、あるいは選択肢があるなどし、それによっても互換性を保つための方法が異なったり、レンダリングパイプラインを変更する必要が生じます。 本セッションでは、 ?どのようにSDRとの互換性を保つHDR出力のためのレンダリングパイプラインを構築するか ?さまざまな出力フォーマットの違いをどのように吸収すれば良いか ?実装する上で留意すべき細かくて面倒なノウハウ などを取り上げます。 ※ここで述べるレンダリングパイプラインとは、主にランタイムにおけるレンダリングの流れを指しています。]]> Wed, 22 Nov 2017 06:41:44 GMT /siliconstudio/hdr-82494129 siliconstudio@slideshare.net(siliconstudio) 実践的なHDR出力対応 ～レンダリングパイプラインの構築～ siliconstudio CEDEC+KYUSHU 2017で登壇したセッション「実践的なHDR出力対応 ～レンダリングパイプラインの構築～」のプレゼンテーション資料です。 【講演内容】 予算の限られた開発における実用的なHDR出力対応のためには、SDR出力時との互換性や、既存のワークフロー／ノウハウへの影響を小さく抑える事が重要となります。 しかし現実には、プラットフォームによって最終的な出力バッファのフォーマットが異なったり、あるいは選択肢があるなどし、それによっても互換性を保つための方法が異なったり、レンダリングパイプラインを変更する必要が生じます。 本セッションでは、 ?どのようにSDRとの互換性を保つHDR出力のためのレンダリングパイプラインを構築するか ?さまざまな出力フォーマットの違いをどのように吸収すれば良いか ?実装する上で留意すべき細かくて面倒なノウハウ などを取り上げます。 ※ここで述べるレンダリングパイプラインとは、主にランタイムにおけるレンダリングの流れを指しています。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedeckyushu2017hdrkawase-171122064144-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> CEDEC+KYUSHU 2017で登壇したセッション「実践的なHDR出力対応 ～レンダリングパイプラインの構築～」のプレゼンテーション資料です。 【講演内容】 予算の限られた開発における実用的なHDR出力対応のためには、SDR出力時との互換性や、既存のワークフロー／ノウハウへの影響を小さく抑える事が重要となります。 しかし現実には、プラットフォームによって最終的な出力バッファのフォーマットが異なったり、あるいは選択肢があるなどし、それによっても互換性を保つための方法が異なったり、レンダリングパイプラインを変更する必要が生じます。 本セッションでは、 ?どのようにSDRとの互換性を保つHDR出力のためのレンダリングパイプラインを構築するか ?さまざまな出力フォーマットの違いをどのように吸収すれば良いか ?実装する上で留意すべき細かくて面倒なノウハウ などを取り上げます。 ※ここで述べるレンダリングパイプラインとは、主にランタイムにおけるレンダリングの流れを指しています。
実践的なHDR出力対応 ～レンダリングパイプラインの構築～ from Silicon Studio Corporation
]]> 16459 3 https://cdn.slidesharecdn.com/ss_thumbnails/cedeckyushu2017hdrkawase-171122064144-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 机械学习向け颁骋データの量产手法の検讨 /slideshow/cg-79508015/79508015 presentationslide-170907025349
CEDEC2017で登壇したセッション「机械学习向け颁骋データの量产手法の検讨」のプレゼンテーション資料です。 セッションの内容： 機械学習を活用したサービスの普及に伴い、事前学習用のデータ供給が課題となっています。 シリコンスタジオでは、リアルタイムグラフィックス技術を活用した機械学習向けCG画像データの量産化に取り組んでおり、どういったCGアセットを制作すれば画像認識の精度向上に寄与するのか、検証を行っています。 本セッションでは、CG画像データの量産および品質評価の環境構築と、画像認識を対象とした簡単な事例を紹介いたします。]]>
CEDEC2017で登壇したセッション「机械学习向け颁骋データの量产手法の検讨」のプレゼンテーション資料です。 セッションの内容： 機械学習を活用したサービスの普及に伴い、事前学習用のデータ供給が課題となっています。 シリコンスタジオでは、リアルタイムグラフィックス技術を活用した機械学習向けCG画像データの量産化に取り組んでおり、どういったCGアセットを制作すれば画像認識の精度向上に寄与するのか、検証を行っています。 本セッションでは、CG画像データの量産および品質評価の環境構築と、画像認識を対象とした簡単な事例を紹介いたします。]]> Thu, 07 Sep 2017 02:53:49 GMT /slideshow/cg-79508015/79508015 siliconstudio@slideshare.net(siliconstudio) 机械学习向け颁骋データの量产手法の検讨 siliconstudio CEDEC2017で登壇したセッション「机械学习向け颁骋データの量产手法の検讨」のプレゼンテーション資料です。 セッションの内容： 機械学習を活用したサービスの普及に伴い、事前学習用のデータ供給が課題となっています。 シリコンスタジオでは、リアルタイムグラフィックス技術を活用した機械学習向けCG画像データの量産化に取り組んでおり、どういったCGアセットを制作すれば画像認識の精度向上に寄与するのか、検証を行っています。 本セッションでは、CG画像データの量産および品質評価の環境構築と、画像認識を対象とした簡単な事例を紹介いたします。 <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/presentationslide-170907025349-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> CEDEC2017で登壇したセッション「机械学习向け颁骋データの量产手法の検讨」のプレゼンテーション資料です。 セッションの内容： 機械学習を活用したサービスの普及に伴い、事前学習用のデータ供給が課題となっています。 シリコンスタジオでは、リアルタイムグラフィックス技術を活用した機械学習向けCG画像データの量産化に取り組んでおり、どういったCGアセットを制作すれば画像認識の精度向上に寄与するのか、検証を行っています。 本セッションでは、CG画像データの量産および品質評価の環境構築と、画像認識を対象とした簡単な事例を紹介いたします。
机械学习向け颁骋データの量产手法の検讨 from Silicon Studio Corporation
]]> 20359 4 https://cdn.slidesharecdn.com/ss_thumbnails/presentationslide-170907025349-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 4Front Game Data Science /slideshow/4front-game-data-science/70972217 presentationbcnwebversion-170113041013
In mobile social games, reducing user attrition, i.e. churn, is decisive to increase player retention and rise revenues. Survival analysis focuses on predicting the time of occurrence of a certain event and efficiently deals with the censored data problem, which is in the nature of churn. However, due to the inflexibility of the traditional survival statistical algorithms, the accuracy achieved is often poor. In contrast, novel ensemble learning techniques, increasingly popular in a variety of scientific fields, provide high-class prediction results. In this talk, we present a survival ensemble model which provides a comprehensive analysis together with an accurate prediction of churn for each player, as a function of time and game level. Firstly, we describe that churn prediction by survival ensembles significantly improves the accuracy and robustness of traditional analyses. Secondly, we discuss these results in the framework of Game Data Science as a Service. The goal of Silicon Studio is to Democratize Game Data Science. Hence, the proposed method is able to make predictions in an operational business environment and easily adapts to different kinds of games, players, and therefore distributions of the data. We focus on a flexible technique that does not need a previous manipulation of the data and that is able to deal efficiently with the temporal dimension of the churn prediction problem.]]>
In mobile social games, reducing user attrition, i.e. churn, is decisive to increase player retention and rise revenues. Survival analysis focuses on predicting the time of occurrence of a certain event and efficiently deals with the censored data problem, which is in the nature of churn. However, due to the inflexibility of the traditional survival statistical algorithms, the accuracy achieved is often poor. In contrast, novel ensemble learning techniques, increasingly popular in a variety of scientific fields, provide high-class prediction results. In this talk, we present a survival ensemble model which provides a comprehensive analysis together with an accurate prediction of churn for each player, as a function of time and game level. Firstly, we describe that churn prediction by survival ensembles significantly improves the accuracy and robustness of traditional analyses. Secondly, we discuss these results in the framework of Game Data Science as a Service. The goal of Silicon Studio is to Democratize Game Data Science. Hence, the proposed method is able to make predictions in an operational business environment and easily adapts to different kinds of games, players, and therefore distributions of the data. We focus on a flexible technique that does not need a previous manipulation of the data and that is able to deal efficiently with the temporal dimension of the churn prediction problem.]]> Fri, 13 Jan 2017 04:10:13 GMT /slideshow/4front-game-data-science/70972217 siliconstudio@slideshare.net(siliconstudio) 4Front Game Data Science siliconstudio In mobile social games, reducing user attrition, i.e. churn, is decisive to increase player retention and rise revenues. Survival analysis focuses on predicting the time of occurrence of a certain event and efficiently deals with the censored data problem, which is in the nature of churn. However, due to the inflexibility of the traditional survival statistical algorithms, the accuracy achieved is often poor. In contrast, novel ensemble learning techniques, increasingly popular in a variety of scientific fields, provide high-class prediction results. In this talk, we present a survival ensemble model which provides a comprehensive analysis together with an accurate prediction of churn for each player, as a function of time and game level. Firstly, we describe that churn prediction by survival ensembles significantly improves the accuracy and robustness of traditional analyses. Secondly, we discuss these results in the framework of Game Data Science as a Service. The goal of Silicon Studio is to Democratize Game Data Science. Hence, the proposed method is able to make predictions in an operational business environment and easily adapts to different kinds of games, players, and therefore distributions of the data. We focus on a flexible technique that does not need a previous manipulation of the data and that is able to deal efficiently with the temporal dimension of the churn prediction problem. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/presentationbcnwebversion-170113041013-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> In mobile social games, reducing user attrition, i.e. churn, is decisive to increase player retention and rise revenues. Survival analysis focuses on predicting the time of occurrence of a certain event and efficiently deals with the censored data problem, which is in the nature of churn. However, due to the inflexibility of the traditional survival statistical algorithms, the accuracy achieved is often poor. In contrast, novel ensemble learning techniques, increasingly popular in a variety of scientific fields, provide high-class prediction results. In this talk, we present a survival ensemble model which provides a comprehensive analysis together with an accurate prediction of churn for each player, as a function of time and game level. Firstly, we describe that churn prediction by survival ensembles significantly improves the accuracy and robustness of traditional analyses. Secondly, we discuss these results in the framework of Game Data Science as a Service. The goal of Silicon Studio is to Democratize Game Data Science. Hence, the proposed method is able to make predictions in an operational business environment and easily adapts to different kinds of games, players, and therefore distributions of the data. We focus on a flexible technique that does not need a previous manipulation of the data and that is able to deal efficiently with the temporal dimension of the churn prediction problem.
4Front Game Data Science from Silicon Studio Corporation
]]> 2504 4 https://cdn.slidesharecdn.com/ss_thumbnails/presentationbcnwebversion-170113041013-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using Survival Ensembles 1 /slideshow/churn-prediction-in-mobile-social-games-towards-a-complete-assessment-using-survival-ensembles-1/70972140 dsaa2016churnpredictionmontreal-170113040712
Reducing user attrition, i.e. churn, is a broad challenge faced by several industries. In mobile social games, decreasing churn is decisive to increase player retention and rise revenues. Churn prediction models allow to understand player loyalty and to anticipate when they will stop playing a game. Thanks to these predictions, several initiatives can be taken to retain those players who are more likely to churn. Survival analysis focuses on predicting the time of occurrence of a certain event, churn in our case. Classical methods, like regressions, could be applied only when all players have left the game. The challenge arises for datasets with incomplete churning information for all players, as most of them still connect to the game. This is called a censored data problem and is in the nature of churn. Censoring is commonly dealt with survival analysis techniques, but due to the inflexibility of the survival statistical algorithms, the accuracy achieved is often poor. In contrast, novel ensemble learning techniques, increasingly popular in a variety of scientific fields, provide high-class prediction results. In this work, we develop, for the first time in the social games domain, a survival ensemble model which provides a comprehensive analysis together with an accurate prediction of churn. For each player, we predict the probability of churning as function of time, which permits to distinguish various levels of loyalty profiles. Additionally, we assess the risk factors that explain the predicted player survival times. Our results show that churn prediction by survival ensembles significantly improves the accuracy and robustness of traditional analyses, like Cox regression. ]]>
Reducing user attrition, i.e. churn, is a broad challenge faced by several industries. In mobile social games, decreasing churn is decisive to increase player retention and rise revenues. Churn prediction models allow to understand player loyalty and to anticipate when they will stop playing a game. Thanks to these predictions, several initiatives can be taken to retain those players who are more likely to churn. Survival analysis focuses on predicting the time of occurrence of a certain event, churn in our case. Classical methods, like regressions, could be applied only when all players have left the game. The challenge arises for datasets with incomplete churning information for all players, as most of them still connect to the game. This is called a censored data problem and is in the nature of churn. Censoring is commonly dealt with survival analysis techniques, but due to the inflexibility of the survival statistical algorithms, the accuracy achieved is often poor. In contrast, novel ensemble learning techniques, increasingly popular in a variety of scientific fields, provide high-class prediction results. In this work, we develop, for the first time in the social games domain, a survival ensemble model which provides a comprehensive analysis together with an accurate prediction of churn. For each player, we predict the probability of churning as function of time, which permits to distinguish various levels of loyalty profiles. Additionally, we assess the risk factors that explain the predicted player survival times. Our results show that churn prediction by survival ensembles significantly improves the accuracy and robustness of traditional analyses, like Cox regression. ]]> Fri, 13 Jan 2017 04:07:12 GMT /slideshow/churn-prediction-in-mobile-social-games-towards-a-complete-assessment-using-survival-ensembles-1/70972140 siliconstudio@slideshare.net(siliconstudio) Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using Survival Ensembles 1 siliconstudio Reducing user attrition, i.e. churn, is a broad challenge faced by several industries. In mobile social games, decreasing churn is decisive to increase player retention and rise revenues. Churn prediction models allow to understand player loyalty and to anticipate when they will stop playing a game. Thanks to these predictions, several initiatives can be taken to retain those players who are more likely to churn. Survival analysis focuses on predicting the time of occurrence of a certain event, churn in our case. Classical methods, like regressions, could be applied only when all players have left the game. The challenge arises for datasets with incomplete churning information for all players, as most of them still connect to the game. This is called a censored data problem and is in the nature of churn. Censoring is commonly dealt with survival analysis techniques, but due to the inflexibility of the survival statistical algorithms, the accuracy achieved is often poor. In contrast, novel ensemble learning techniques, increasingly popular in a variety of scientific fields, provide high-class prediction results. In this work, we develop, for the first time in the social games domain, a survival ensemble model which provides a comprehensive analysis together with an accurate prediction of churn. For each player, we predict the probability of churning as function of time, which permits to distinguish various levels of loyalty profiles. Additionally, we assess the risk factors that explain the predicted player survival times. Our results show that churn prediction by survival ensembles significantly improves the accuracy and robustness of traditional analyses, like Cox regression. <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/dsaa2016churnpredictionmontreal-170113040712-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> Reducing user attrition, i.e. churn, is a broad challenge faced by several industries. In mobile social games, decreasing churn is decisive to increase player retention and rise revenues. Churn prediction models allow to understand player loyalty and to anticipate when they will stop playing a game. Thanks to these predictions, several initiatives can be taken to retain those players who are more likely to churn. Survival analysis focuses on predicting the time of occurrence of a certain event, churn in our case. Classical methods, like regressions, could be applied only when all players have left the game. The challenge arises for datasets with incomplete churning information for all players, as most of them still connect to the game. This is called a censored data problem and is in the nature of churn. Censoring is commonly dealt with survival analysis techniques, but due to the inflexibility of the survival statistical algorithms, the accuracy achieved is often poor. In contrast, novel ensemble learning techniques, increasingly popular in a variety of scientific fields, provide high-class prediction results. In this work, we develop, for the first time in the social games domain, a survival ensemble model which provides a comprehensive analysis together with an accurate prediction of churn. For each player, we predict the probability of churning as function of time, which permits to distinguish various levels of loyalty profiles. Additionally, we assess the risk factors that explain the predicted player survival times. Our results show that churn prediction by survival ensembles significantly improves the accuracy and robustness of traditional analyses, like Cox regression.
Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using Survival Ensembles 1 from Silicon Studio Corporation
]]> 2931 6 https://cdn.slidesharecdn.com/ss_thumbnails/dsaa2016churnpredictionmontreal-170113040712-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 シリコンスタジオによる?贬顿搁出力対応の理论と実践 /slideshow/hdr-65620143/65620143 cedec2016sskkhdrkawase-160902092956
CEDEC2016で発表した”シリコンスタジオによるHDR出力対応の理論と実践”の講演資料です。 元のPowerPointスライドデータは、シリコンスタジオのWebサイトからダウンロードできます。 http://www.siliconstudio.co.jp/rd/presentations/]]>
CEDEC2016で発表した”シリコンスタジオによるHDR出力対応の理論と実践”の講演資料です。 元のPowerPointスライドデータは、シリコンスタジオのWebサイトからダウンロードできます。 http://www.siliconstudio.co.jp/rd/presentations/]]> Fri, 02 Sep 2016 09:29:56 GMT /slideshow/hdr-65620143/65620143 siliconstudio@slideshare.net(siliconstudio) シリコンスタジオによる?贬顿搁出力対応の理论と実践 siliconstudio CEDEC2016で発表した”シリコンスタジオによる?贬顿搁出力対応の理论と実践”の講演資料です。 元のPowerPointスライドデータは、シリコンスタジオのWebサイトからダウンロードできます。 http://www.siliconstudio.co.jp/rd/presentations/ <img style="border:1px solid #C3E6D8;float:right;" alt="" src="https://cdn.slidesharecdn.com/ss_thumbnails/cedec2016sskkhdrkawase-160902092956-thumbnail.jpg?width=120&amp;height=120&amp;fit=bounds" /><br> CEDEC2016で発表した”シリコンスタジオによる?贬顿搁出力対応の理论と実践”の講演資料です。 元のPowerPointスライドデータは、シリコンスタジオのWebサイトからダウンロードできます。 http://www.siliconstudio.co.jp/rd/presentations/
シリコンスタジオによる HDR出力対応の理論と実践 from Silicon Studio Corporation
]]> 20325 5 https://cdn.slidesharecdn.com/ss_thumbnails/cedec2016sskkhdrkawase-160902092956-thumbnail.jpg?width=120&height=120&fit=bounds presentation Black http://activitystrea.ms/schema/1.0/post http://activitystrea.ms/schema/1.0/posted 0 https://cdn.slidesharecdn.com/profile-photo-siliconstudio-48x48.jpg?cb=1732602188 Silicon Studio is a global minded company located in Tokyo, Japan. It was established in year 1999 with the mission to deliver innovation in the digital entertainment technology and contents industry. We aim to provide the highest standard in areas including rendering technology, research and development methods, game content development and online game solutions. www.siliconstudio.co.jp/ https://cdn.slidesharecdn.com/ss_thumbnails/cedeckyushu2024presen-241126062528-745c87ec-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/x-a7e9/273605369 地理空间情报のススメ！オープンデータ×データ... https://cdn.slidesharecdn.com/ss_thumbnails/yebiscedec202420240823-240829124729-24874ca0-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/new-yebis/271411511 待望の狈别飞バージョンを彻底解説！レンズ効果... https://cdn.slidesharecdn.com/ss_thumbnails/cedec24hertzbergfredrik-240827011536-4c12acfc-thumbnail.jpg?width=320&height=320&fit=bounds slideshow/ss-da40/271336885 リアルタイム机械学习レンダリングのアプローチ...