name: Compress Images on: pull_request: # Run Image Actions when JPG, JPEG, PNG or WebP files are added or changed. # See https://help.github.com/en/actions/automating-your-workflow-with-github-actions/workflow-syntax-for-github-actions#onpushpull_requestpaths for reference. paths: - '**.jpg' - '**.jpeg' - '**.png' - '**.webp' jobs: build: # Only run on Pull Requests within the same repository, an
SmallSmaller images mean faster load times. Squoosh can reduce file size and maintain high quality. SimpleOpen your image, inspect the differences, then save instantly. Feeling adventurous? Adjust the settings for even smaller files. SecureWorried about privacy? Images never leave your device since Squoosh does all the work locally.
こんにちは、アプリケーション基盤チームの青木(@a_o_k_i_n_g)です。 一般的な Web アプリケーションがそうであるように、サイボウズのグループウェアにも画像をサムネイルで表示する機能があります。サイボウズでは日々数万件やそれ以上のサムネイルを生成しており、それらは全て ImageMagick によって生成されていました。 そこで得た知見はこちらの記事で公開されています。 blog.cybozu.io しかし現在、サイボウズから ImageMagick は消え去りました。その理由と、我々が取った代替手段について紹介します。 ImageMagick を外した理由 言うまでもなく ImageMagick は優秀なツールで、画像変換に関する何らかのサービスやツールを作る場合には採用の第一候補になることでしょう。あらゆる画像フォーマットに対応し、出力画像をきめ細かに制御できる膨大なオプシ
An energy map (edge detection) is generated from the provided image. The algorithm tries to find the least important parts of the image taking into account the lowest energy values. Using a dynamic programming approach the algorithm will generate individual seams across the image from top to down, or from left to right (depending on the horizontal or vertical resizing) and will allocate for each s
Twitterに直接画像をツイートできるようになったのは2011年。以来、Twitterを楽しむ上で不可欠な要素になりました。Twitter上には、毎日数百万を超える画像がアップロードされていますが、それぞれのサイズも解像度も異なるため、UI上で各画像を最適な形で表示できるように処理を行うことが課題になっていました。皆さんのタイムライン上の画像は、一貫性があり、より多くのツイートを目にできるようにトリミングされています。今回は、Twitterがどの画像をトリミングし、画像のどの部分を表示するか、どのように決めているのかをご案内します。 以前は、顔認識技術を利用し、画像の中でもっともわかりやすい顔を中心にトリミングを行っていました。これはもっともわかりやすい方法ではありましたが、全ての画像に顔が含まれているわけではないため、ベストな方法とは言えませんでした。また、使用していた顔認識技術では顔
Example results on several image restoration problems. We use deep neural networks, but we never train/pretrain them using datasets. We use them as a structured image prior. Deep convolutional networks have become a popular tool for image generation and restoration. Generally, their excellent performance is imputed to their ability to learn realistic image priors from a large number of example ima
概要： 本研究では，畳み込みニューラルネットワークを用いて，シーンの大域的かつ局所的な整合性を考慮した画像補完を行う手法を提案する．提案する補完ネットワークは全層が畳み込み層で構成され，任意のサイズの画像における自由な形状の「穴」を補完できる．この補完ネットワークに，シーンの整合性を考慮した画像補完を学習させるため，本物の画像と補完された画像を識別するための大域識別ネットワークと局所識別ネットワークを構築する．大域識別ネットワークは画像全体が自然な画像になっているかを評価し，局所識別ネットワークは補完領域周辺のより詳細な整合性によって画像を評価する．この2つの識別ネットワーク両方を「だます」ように補完ネットワークを学習させることで，シーン全体で整合性が取れており，かつ局所的にも自然な補完画像を出力することができる．提案手法により，様々なシーンにおいて自然な画像補完が可能となり，さらに従来の
Your app needs to find the size or type of an image. This could be for adding width and height attributes to an image tag, for adjusting layouts or overlays to fit an image or any other of dozens of reasons. But the image is not locally stored - it's on another asset server, or in the cloud - at Amazon S3 for example. You don't want to download the entire image to your app server - it could be man
白い背景と黒い背景で別の絵に変わる画像を作りましたが、これをカラーでやるのは無理だと思っていました。 ですが、がんばればできることが分かりました。 ニコニコ動画版 その画像がこちらです。 こちらの画像をクリックすると大きい画像が表示されるので、そちらを保存してください。 先ほどの動画のように、iPhoneのカメラロールで表示するか、PC上でPowerPointやExcelに挿入してやると、よくわかります。 Twitterに投稿すれば、色まで変わる「クリック推奨画像」になります。 (再)今までカラーの「クリック推奨画像」を作った人はいただろうか？ なぜ黄色が青や赤に変わるのか、作った自分でも不思議。 (PCの公式クライアントでないと多分見えません)https://t.co/VCBdJRtDjo pic.twitter.com/AFUVte0r1O — Yusuke Ochiai (@taro
先日Deep Learningでラブライブ！キャラを識別するという記事が話題になっていました。この記事で紹介されている SIG2D 2014を知り合いから貸してもらったので参考にしながら、ご注文は機械学習ですか？のDeep Learning版を作ってみました。 Caffeなど必要なソフトのインストール Ubuntu 14.04の場合は過去記事を参照してください。これ以外にもpython-opencvなどを使いますが、依存関係の全ては把握できていないのでエラーが出たら適宜インストールしてください。 データの準備 Deep Learningでは大量の学習データが必要になると言われているので、まずは大量のデータを用意します。参考記事では6000枚のラブライブ画像を使ったということなので対抗して12000枚以上のごちうさ画像を用意したいと思います。それだけのデータを手動で分類するとそれだけで時間が
このところDeep Learningが相当流行っているようで、ほとんど至るところで話題になっているのを見ます。 Deep Learningは深層学習とも呼ばれ、ニューラルネットワークの層をこれまでより深くして機械学習を行う技法です（だそうです）。 画像認識コンテストで他の方法と比べて非常に高い精度を示しており、以前は人の手で行っていた特徴の抽出まで行えます。 以前であれば車を認識するには車はどのような特徴を持っているかを人がモデル化して入力していたわけですが、この特徴を入力画像と与えられたラベルからニューラルネットワークが捉えてくれます。詳しいことはDeep Learningで検索して出てくる記事やスライドを参照のこと。 Deep Learning自体は容易に実装可能なものではなさそうですが、多くの研究グループがDeep Learningを行うためのソフトウェアをオープンソースにしているた
先日、Hubotのhubot-google-imagesが急に使えなくなったので、その修復で行った作業内容を備忘録的に記事にします。 ちなみに使えなくなった理由ですが、これは2011年5月からdeprecatedになっていたGoogle Image Search APIが完全に利用不可になってしまったためでした。 また、hubot-google-imagesがv0.1.5以降のバージョンであれば下記の手順で使えるようになります。 1. Google Custom Search API Key を取得する Google Developers Console Google Custom Search API Key（CSE_KEY）はGoogle Developers Consoleから取得します。 プロジェクトを作成する プロジェクトが１つもない状態ならば、プロジェクトを作成します。 「Go
PictRuby - Photo editor that can write a filter in Ruby iOS上でコードを編集、実行、デバッグしながら写真を加工するフィルターをRubyで書くことができます。複数の写真をまとめて変換することも可能です。 Hello, world PictRubyのルールはたった1つです convertという名前の関数を作って画像(class Image)を返す まずは画像を選択してそのまま表示してみます。 def convert #Image.load("sample.jpg") Image.pick_from_library end Image.pick_from_libraryの仕事は画像選択ダイアログを表示→OK→選択された画像をImageに変換して返します。以下のような結果が返ってきます。 ※ pick_from_libraryの代わりにIm
[:ja]ピカソに似顔絵を描いていただいた、的なことができる neural-style を動かしてみるテスト。普段ほとんどつかわない横にころがってる PC に Ubuntu いれて Torch やら CUDA SDK やらインストール。ガイド通りやればわりとすんなり動いた。1 枚処理すんのに GPU モードで 5 分弱。GTX 770 2GB メモリではちょっとメモリたりなくて 256 x 256 出力するので精一杯。それ以上でかくすると out of memory で止まる。 楽しいｗｗｗ 3 つめのマティスとか 4, 5 つめのウォーホルの好き。 最後の水玉の神様のやつは元画像チョイスミス。 ・・・ 違う実装だけど仕組みがよくわかる解説。 画風を変換するアルゴリズム | Preferred Research https://research.preferred.jp/2015/09/c
![Saqoosha :: [:ja]ピカソに似顔絵を描いていただいた[:]](https://cdn-ak-scissors.b.st-hatena.com/image/square/ef09f629d1569ea62ca609b6c87d0e7898041ef3/height=288;version=1;width=512/https%3A%2F%2Ffanyv88.com%3A443%2Fhttps%2Fsaqoo.sh%2Fa%2Fwordpress%2Fwp-content%2Fuploads%2F2015%2F09%2F20150908-neural-style2.jpg)
Jcrop » the jQuery Image Cropping Plugin Jcrop Home • Download • Manual • Examples Jcrop is the quick and easy way to add image cropping functionality to your web application. It combines the ease-of-use of a typical jQuery plugin with a powerful cross-platform DHTML cropping engine that is faithful to familiar desktop graphics applications. Feature Overview Attaches unobtrusively to images or blo
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
