深層学習を利用した画像処理・画像認識と必要なGPU性能
著者：石川 知一 先生／東洋大学 准教授
ご存じの通り、深層学習（Deep Learning）は様々な分野に応用されています。この技術発展はGPUの性能向上と共にあります。本稿では画像処理、画像認識の分野において、最新の研究ではどのようなことを実現できるかと、実際に学習を行うために必要なGPUの性能についてまとめていきます。
トランスフォーマー 最近流行のニューラルネットワーク
著者：北岡 伸也 氏／Dwango Media Village
本稿では、どういう場面でどのようなニューラルネットワークのアーキテクチャーが使われるかはなんとなく知っているけど、実際に使ったり実装してみたりしたことはないといった方を対象として、では実際にそれはどのような仕組みで計算されているのかについてトランスフォーマー（Transformer）を題材として解説します。
GAN Inversion による写実的画像生成の制御
著者：金森 由博 先生／筑波大学 准教授
深層学習 (Deep Learning) で画像を作る、というと「GANってやつを使うんでしょ？」とお察しの方も多いかと思います。
今回はそのGAN (Generative Adversarial Network; 敵対的生成ネットワーク) についてですが、特に最近、研究分野でホットな “GAN Inversion” という技術をご紹介します。
深層学習におけるアノテーションコストを抑えるための取り組み"Active Learning" について
著者：青木 義満 先生／慶應義塾大学 教授
近年、画像センシング分野における研究開発の成果は、深層学習の進化により、実社会の様々な場面で利活用されています。
機械学習、特に深層学習においては、ネットワークモデルの学習において、大規模な教師データ（ラベル付きデータ）が必要となります。
深層学習に基づく人物画像の再照明
著者：金森 由博 先生／筑波大学 准教授
本稿では画像を対象とした深層学習の応用事例のうち、我々にとって最も身近な人物画像を対象として、「再照明」という技術をご紹介します。
AlphaGo とその後
著者：北岡 伸也 氏／Dwango Media Village
Google DeepMindによって開発されたコンピューター囲碁プログラムであるAlphaGo（アルファ碁）が、2016年３月のイベントで人間を超える強さを示したことは、大きな衝撃を持って世界に伝えられ、人工知能技術に注目をあつめる契機となりました。
CUDAを用いたシンプルなパストレーシング
著者：岩崎 慶 先生／和歌山大学 准教授、プロメテックCGリサーチ 研究員
CG分野において、画像を生成する手法の一つにレイトレーシングがあります。レイトレーシングは、例えば視点から半直線の光線（レイ）を追跡（トレース）することで、視点に到達する光のエネルギー（輝度）を求めることができます。
流体シミュレーションの応用
著者：土橋 宜典 先生／北海道大学 教授、プロメテックCGリサーチ 副所長
CGを用いてリアルな映像を生成するためには、色と動きをリアルに再現しなければなりません。前回は色の計算方法に関して紹介しました。本稿では、もう一つの要素である動きについて私たちの研究を紹介します。
GPUを用いた高速レンダリング
著者：土橋 宜典 先生／北海道大学 教授、プロメテックCGリサーチ 副所長
CGはリアルな画像を生成することを軸として発展してきました。レイトレーシング法やラジオシティ法は代表的な二大手法と言えるでしょう。
しかし、画像のリアリズムが向上するにつれて計算時間は指数関数的に増加していきました。そこで脚光を浴びたのがGPUです。