ITpro Active主催「ビッグデータはクラウドで操るBigData Platform Conference~IoT時代を勝ち抜くためのDataBase as a Service活用法~」<11月11日(水)開催>資料
実際のお客様事例をベースにインフラエンジニア、業務担当者、データサイエンティスト、マーケティングのペルソナをベースにそれぞれのシナリオでのクラウド環境を活用したデータ分析について講演
ITpro Active主催「ビッグデータはクラウドで操るBigData Platform Conference~IoT時代を勝ち抜くためのDataBase as a Service活用法~」<11月11日(水)開催>資料
実際のお客様事例をベースにインフラエンジニア、業務担当者、データサイエンティスト、マーケティングのペルソナをベースにそれぞれのシナリオでのクラウド環境を活用したデータ分析について講演
Microsoft Search - Microsoft Graph connector と Search Federation の概要Ai Hirano
Microsoft 365 上での包括的な検索機能を提供するのが Microsoft Search です。SharePoint, OneDrive, Microsoft Teams, Yammer, Power BIなど を検索できるだけでなく独自の QnA やバナーなどを提供します。これに加え、Microsoft 365 以外の外部ソースを Microsoft 365 上から一元的に検索するための仕組みとして Microsoft Graph connector や Microsoft Search Federation などがあります。 Microsoft Search Federation は現在、Private preview でありまだ概要しか公開されていませんが、Azure Cognitive Services との連携などもできるようになります。本セッションでは、各機能の利点を解説しながら、開発者としてどう備えていくと良いかをコンパクトにお伝えします。
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
公開URL:https://arxiv.org/pdf/2404.19174
出典:Guilherme Potje, Felipe Cadar, Andre Araujo, Renato Martins, Erickson R. ascimento: XFeat: Accelerated Features for Lightweight Image Matching, Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2023)
概要:リソース効率に優れた特徴点マッチングのための軽量なアーキテクチャ「XFeat(Accelerated Features)」を提案します。手法は、局所的な特徴点の検出、抽出、マッチングのための畳み込みニューラルネットワークの基本的な設計を再検討します。特に、リソースが限られたデバイス向けに迅速かつ堅牢なアルゴリズムが必要とされるため、解像度を可能な限り高く保ちながら、ネットワークのチャネル数を制限します。さらに、スパース下でのマッチングを選択できる設計となっており、ナビゲーションやARなどのアプリケーションに適しています。XFeatは、高速かつ同等以上の精度を実現し、一般的なラップトップのCPU上でリアルタイムで動作します。
セル生産方式におけるロボットの活用には様々な問題があるが,その一つとして 3 体以上の物体の組み立てが挙げられる.一般に,複数物体を同時に組み立てる際は,対象の部品をそれぞれロボットアームまたは治具でそれぞれ独立に保持することで組み立てを遂行すると考えられる.ただし,この方法ではロボットアームや治具を部品数と同じ数だけ必要とし,部品数が多いほどコスト面や設置スペースの関係で無駄が多くなる.この課題に対して音𣷓らは組み立て対象物に働く接触力等の解析により,治具等で固定されていない対象物が組み立て作業中に運動しにくい状態となる条件を求めた.すなわち,環境中の非把持対象物のロバスト性を考慮して,組み立て作業条件を検討している.本研究ではこの方策に基づいて,複数物体の組み立て作業を単腕マニピュレータで実行することを目的とする.このとき,対象物のロバスト性を考慮することで,仮組状態の複数物体を同時に扱う手法を提案する.作業対象としてパイプジョイントの組み立てを挙げ,簡易な道具を用いることで単腕マニピュレータで複数物体を同時に把持できることを示す.さらに,作業成功率の向上のために RGB-D カメラを用いた物体の位置検出に基づくロボット制御及び動作計画を実装する.
This paper discusses assembly operations using a single manipulator and a parallel gripper to simultaneously
grasp multiple objects and hold the group of temporarily assembled objects. Multiple robots and jigs generally operate
assembly tasks by constraining the target objects mechanically or geometrically to prevent them from moving. It is
necessary to analyze the physical interaction between the objects for such constraints to achieve the tasks with a single
gripper. In this paper, we focus on assembling pipe joints as an example and discuss constraining the motion of the
objects. Our demonstration shows that a simple tool can facilitate holding multiple objects with a single gripper.
6. Rich information
and insights
Bring your data
Training and
support
Office365の情報を統合的に集計
すぐれたBIツールで柔軟にアクセス
すぐに使えるビューを提供
組織間情報もOffice Graphで集計
異なるインフラやシステムとも接続
データを様々に拡張
蓄積された気づきから学ぶ
成功体験, 利用シーン, 教材教習など
コンサルティングとサポート
PrivacyWpASourceData
Putting the puzzle together
Connectors Metrics
Power BI
Regulatory
compliance
Data
security
Fine-grained
access
control
Individual
privacy
Admin
configuration
15. Rich information
and insights
Bring your data
Training and
support
Office365の情報を統合的に集計
すぐれたBIツールで柔軟にアクセス
すぐに使えるビューを提供
組織間情報もOffice Graphで集計
異なるインフラやシステムとも接続
データを様々に拡張
蓄積された気づきから学ぶ
成功体験, 利用シーン, 教材教習など
コンサルティングとサポート
PrivacyWpASourceData
Putting the puzzle together
Connectors Metrics
Power BI
Regulatory
compliance
Data
security
Fine-grained
access
control
Individual
privacy
Admin
configuration