Loading video...

Video Failed to Load

Go Home

【Quest2 vs Quest3S】 2機種比較して特に違いが大きかったのは「単体版VRCaht」です ワールドごとに必要な性能が異なるので、差が際立ちます ・Quest2→重かったり、クラッシュ ・Quest3S→比較的スムーズ 性能向上のお陰で多くのワールドでこのような差が出ます! (動画はLuminous Hotelで検証)

98,645 views • 1 year ago •via X (Twitter)

5 Comments

いんすたんす's profile picture
いんすたんす1 year ago

暗闇でも普通にトラッキングしてくれるし、単体性能上がってるし、(今の価格では)Q2に1000円足すだけだし、 すごく安くて強くてよき

Abiko Kazuki's profile picture
Abiko Kazuki1 year ago

チップセットの向上の効果がはっきり現れてますね!♪ なんだか、Quest3sは暗闇でも操作できるらしいのですが、ミスターVRさんも試されてたりしますか?

ミスターVR / Mr.VR🕶 / ミスター秘密侵入VR's profile picture
ミスターVR / Mr.VR🕶 / ミスター秘密侵入VR1 year ago

まだです!

カイキスク雄‼️'s profile picture
カイキスク雄‼️1 year ago

2は単体だと画面録画するときに結構重くなるからなぁ〜、比較してみてみるとパッと見でも差がわかりやすいですな

Bo₭3ЯꝋꞥVR®'s profile picture
Bo₭3ЯꝋꞥVR®1 year ago

me pregunto ¿las quest 3/s tendran para grabar a 60 fps para los creadores de contenido no?

Related Videos

自分のよく使ってるFermataアドオンと、顔芸ができる面白いHushアドオンとの比較をしました。 使用機器: Meta Quest Pro 自分が使った感想を言うとかなり動きに差がありました。 可愛さメインのFermataさんのアドオンとは違い、Hushさんのアドオンは可愛さをメインではなく、顔の動きの自由をメインとした動きです。 特に眉とまぶたのトラッキングで、Hushさんのがよく動く印象です。 それにより、より表情豊かな表現が可能になります。 さらに、動きを工夫することにより、顔にちょっとしたエフェクトが入ります。(口をしかめると悲しんだり、下の歯だけだし、口を伸ばすことでクヨクヨしたりなど) また、Fermataさんのは顔の動きに連動して耳やしっぽが動きますが、 Hushさんのアドオンはそれに加え羽なども動きます。 ですが、fermataさんのアドオンの動きは正直自分にとってかなり好きです。 ちょっとした歯を出せたり、ちいさい口を開けたりなど、顔芸メインではない動きができるのが強いです。 何より、笑顔がとても好きですね! 目の見開き具合なども両方とも違う動きをしています。 Hushさんのアドオンを使ってみてすごく不思議な体験ができ、かなり面白いアドオンでした。 アニメーションやblenderをうまく活用したら、もっといろんな性能を発揮できる気がします、、、 #VRChat #FaceTracking #Chocolat3D

ふぉにあ!

110,327 views • 9 months ago

なぜウイルス学会は実物もないのに、次々と変異する変異種やその特性がわかるのか? 世代シーケンサー(NGS)でゲノムをコンピューターで創作し(そのため不自然な配列が出来上がります) これが今度の変異種だ!こんな特性があるのだ!とやるわけです。 (インシリコでは臨床特性は研究出来ません。もう、嘘だとわかりますね) (動画より) オミクロン変異種は分離・精製されていません。 やろうとしたことさえないのです。 ですから知る限りではこの変異種は実際には存在しないのです。 この変異種の発見はインシリコシーケンスプロセスによるもので、つまりコンピューターが作ったコンピューターモデルなのです。 臨床特性は研究されていません。 それらはコンピューターモデルで研究されてきたので、免疫学的な逃避の有無を確認するための疑似ウイルスも作っていません。 つまり現在この変異種に対する公認の臨床PCR検査はないのです。 理論的には偽陰性となるため検査は機能しません。 ですからこの変異種に関する科学的な発表はないのです。 つまりまだ何の研究もされていないということです。 それなのに人々は警戒しているのです。 基本的な情報はないのに。 そして絶対にやってはいけない対策がとられているのです。

syounan.tansuke

36,812 views • 8 months ago

いまのチャットボットは、知能というより「能力の寄せ集め」に見える瞬間がある。オンラインで学べない、独創を持てない、簡単なことでも聞き方次第で落ちる。つまり、人間の知能が持つ「連続性」が欠けている。次のブレークスルーは、この不連続を連続へ変える技術になる。 デミス・ハサビス「スケーリング則は非常にうまく機能していると思います。計算資源を増やし、データを増やし、モデルを全体的に大きくすることで、能力が向上しているのは確かです。その傾向は続いていますが、数年前ほどの速さではない、という面はあります。 そのため、収穫逓減の議論もあります。ただ、『まったくリターンがない』状態と『指数関数的に伸びる』状態の間には大きな違いがあり、私の見立てでは、いまはその中間あたりにいて、十分に良いリターンが得られているので、取り組む価値があります。 AGI(汎用人工知能)に到達するという観点では、既存のアイデアをスケールさせるだけでなく、まだ欠けている、あるいは必要になる大きなイノベーションが1つか2つあるのかもしれません。 いろいろなチャットボットを皆さんも触ってきたと思いますが、ある側面では非常に印象的なことができます。一方で、私がよく『ギザギザの知能』と呼ぶように、特定のことにはとても強いのに、別のことはまったくできない、という状態でもあります。 また、質問の仕方によっては欠陥が見えて、比較的単純なことすらできない場合があります。本当の汎用知能であれば、そうした不整合は見られず、全体として一貫しているはずです。さらに、継続的に学習できない、オンラインで新しいことを学べない、本当に独創的なものを作り出せない、といった点もあります。つまり、汎用知能に必要で、私たちが見たい能力のうち、いまのシステムには欠けているものがかなりあるのです」

Tsubame

13,757 views • 4 months ago

ネイサンはフィギュアスケートで成功する鍵を与えてくれています。 ➡️氷の状態は時間とともに確実に変化します。例えば、あるスケーターが氷上の同じポジションでクワッドトウ、クワッド・ループを滑っているとします。通常、6分間のウォームアップ中に同じ場所で同じ動作を数回繰り返します。 つまり、次のスケーターが滑る際には、そこにディボット(凹み)ができている可能性があることを念頭に置く必要があります。その場所にできる可能性のあるディボットを考慮して、自分のパターンを調整する必要があるかもしれません。 ですから、誰が何をどこで滑っているのかを大まかに把握しておくことが非常に重要です。そうすれば、そのエレメントを滑る際に、大まかに何が起こるかが分かります。他のスケーターの動きに遅れずに追いつくことができるのです。 しかし一方で、氷の上に立つと、一目見て、少し白い部分があるかどうか確認できます。これは、氷から舞い上がった雪が多いこと、つまりディボットが多いこと、あるいはそのエリアにエッジが多いこと、スピンが多いことなどを意味し、氷が他のエリアほどきれいではない可能性があります。 そこで、まずは視覚的なスキャンを始めます。つま先がその方向に行くなら、そっちの方に行くように、氷の上にあるものは避けます。氷の状態によってダメージを受けます。 .... ネイサンはここまで考えて滑っていたのか!?と、、、だからプーシャワーの後の酷い氷の状態でも崩れなかったのだ!と彼のクレバーさを実感しました!

Nathan's supporting team JPN

522,214 views • 3 months ago

シンギュラリティのトリガーである「再帰的自己改善」は、すでに少し前に起きているという。もちろん、まだ全自動ではないが、「進歩のどこまでがAIでどこまでが人間なのか」は曖昧になってきている。著者性が溶けるこの感覚こそ、分単位で進むシンギュラリティの手触りなのだ。 サリム・イスマイル「再帰的自己改善(RSI)がシンギュラリティの本当のトリガーだという話は、以前からしてきました。そしてそれは、すでに少し前に起きているんです。だから今やっているのは、その道筋を加速しているだけです。私たちは今この瞬間にも、産業時代を恒久的に抜けつつあります」 デイブ・ブランディン「ええ、シンギュラリティが分単位で展開していく様子は、私が経験した中で最も興味深いものだと本当に思いますし、アレックスの言うとおりです。いまは、人間がループの中にいて貢献している時期ではあるのですが、進歩のどこまでがAIでどこまでが人間なのかが、本当に曖昧なんです。実際にコーディングしていると、『あれは自分のアイデアだったのか?』となります。 半分は自分のアイデアのようでも、AIが別の案を提案してきて、それを採用していくうちに、結局それが自分のアイデアだったのかどうかも分からなくなります。ただ、いまのモードでは、こうしたコアアルゴリズムの研究の多くが、『500本のテストを走らせて、どのハイパーパラメータが良かったか、どのニューラルトポロジーが良かったかを教えて』という形になっています。相対論を発明したり発見したりするような話ではありません。 いろいろな試行を大量に回して、うまくいったものを選んで再デプロイし、そうするとより賢いAIになって、さらに多くの試行をする——その繰り返しです。私たちはその道筋をかなり進んでいる可能性が高いと思います」

Tsubame

15,386 views • 3 months ago