Search Results A

「創発的AIのためのガードレール構築への責任あるアプローチ」

「私たちは、創発型人工知能にガードレールを築く方法の一部を共有しています」

検索で創発的AIにインスピレーションを受ける新たな方法

「私たちは、アイデアを具現化するイメージを作るための新しい方法や、出発点となる文章の下書きのようなものを作成するための新しい方法をテストしています」

ギアに乗り込んでください：「Forza Motorsport」がGeForce NOWに登場

このGFN Thursdayでは、Forza Motorsportがクラウドでの23本の新作ゲームをリードします。さらに、AcerのPredator Connect 6EがGeForce NOW Recommended programに新しく加わり、簡単なクラウドゲームのQoS（品質サービス）設定を組み込んで、Ultimateメンバーに最高のストリーミング体験を提供します。休みなし、制限なし、ダウンロードなしクラウドのおかげでポールポジションを獲得しましょう。Turn 10 StudiosのForza Motorsportが今週GeForce NOWライブラリに加わります。このリアルなレーシングシミュレーターには、20のダイナミックで世界的に有名なトラックとリアルに描かれた500台以上の車があり、時間帯や天候、運転条件がダイナミックに変化するため、二度と同じく旗周回がありません。800以上のパフォーマンスのアップグレードをアンロックし、オンラインでの対戦やシングルプレイヤーのBuilders Cup Career Modeで新たな、非常に競争力の高いAIレーサーと対戦してください。ほぼすべてのデバイスでGeForceの品質でストリーミングし、クラウドのおかげで画像品質を最大限に引き出すことができます。Ultimateメンバーは最大4Kの解像度で最大120フレーム/秒で最もリアルなドライビング体験を楽しめます。 Need for Speed 一緒により良い。…

「イギリスのテックフェスティバルが、クリエイティブ産業でAIを活用するスタートアップ企業を紹介する」

英国最大的技术节之一，企业和初创公司本周正展示他们最新的创新成果，举办研讨会，并庆祝位于英国西南部的技术生态系统的不断增长。布里斯托尔科技节今天展示了9家最近参加由Digital Catapult主办的挑战的初创公司的工作，该挑战与NVIDIA合作。该挑战持续了四个月，支持企业开发原型或扩展创新，以利用现实捕捉、实时协作和创作，或跨平台内容传递来改变体验。这是西英格兰地区创新创意技术倡议MyWorld的一部分。每家被选定的初创公司获得了5万英镑的资金，以支持他们开发创意产业使用的生成AI、数字孪生和其他突破性技术的项目。 Lux Aeterna探索生成AI用于视觉效果获得艾美奖的独立视觉效果工作室Lux Aeterna使用生成AI和神经网络进行VFX制作，利用资金开发了一种生成AI驱动的文本到图像工具包，用于创建地图，即用于表示场景、物体或特效的二维图像。在布里斯托尔科技节上，Lux Aeterna展示了这项技术，它由NVIDIA RTX 40系列GPU驱动，重点介绍了其生成剖面遮蔽地图的能力，这是一种为3D纹理表面创建深度效果的方法。 Lux Aeterna的创意技术人员James Pollock表示：“我们的目标是通过定制AI辅助解决方案来解决独特的VFX挑战，并将未来的工具交到我们才华横溢的艺术家手中。NVIDIA在MyWorld挑战中对我们工作的有见地的反馈对我们制定创新战略至关重要，因为这个领域变化很快。” Meaning Machine将AI引入游戏角色和对话 Meaning Machine 是一家专门从事自然语言AI的工作室，利用来自挑战赛的资金开发了一种用于游戏角色和对话的生成AI系统。其Game Consciousness技术使游戏角色能够实时准确地谈论他们的世界，以反映游戏开发者的创意愿景。 Meaning…

「AIが研究論文内の問題のある画像を見つける点で、人間の捜査官を打ち負かす」

独立した英国の生物学者ショルト・デイビッドの研究によると、人工知能は研究論文の画像加工を人間よりも速く正確に特定することができるとわかりました

「AI Time Journalは、AI Frontier Networkを立ち上げるためにDrivePlyとの戦略的パートナーシップを発表」

10月12日、アメリカのサンフランシスコ - AI Time Journalは、人工知能（AI）の最前線に位置する一流の出版物として、革新的なプラットフォームであるDrivePlyとの戦略的パートナーシップを発表し、コンテンツクリエーター、出版物、イベントのための戦略的パートナーシップを実現する「AIフロンティアネットワーク」の創設を共同で開始することを喜んでお知らせしますAI Time JournalとDrivePlyが協力し、「AIフロンティアネットワーク」をローンチします

NEWS

AI Time Journalは、「サイバーセキュリティのトレンド2023」eBookを発表し、進化する脅威の景観を明らかにします

10月12日、アメリカのサンフランシスコ—人工知能（AI）の最前線に位置する主要な出版物であるAI Time Journalは、最新の電子書籍「サイバーセキュリティトレンド2023」の発売を喜んで発表しますこの包括的なリソースは、サイバーセキュリティに関連するさまざまなトピックを探求し、専門家、愛好家、意思決定者に貴重な洞察と分析を提供しています... AI Time Journal、進化する脅威の風景における鍵となる示唆を開示する「サイバーセキュリティトレンド2023」の電子書籍をリリース詳細を読む »

AIにおける複雑さと本質のトレードオフ：知っておくべきこと

データサイエンティストにとって、真実の情報は聖杯ですAIを例によって教えられるソフトウェアと考えれば、指示ではなく選択した正しい例が優れたパフォーマンスをするシステムの構築に重要ですこれは検証済みの例を反映する記録データです...

SAPシステムとのデータ統合のマスタリングと迅速なエンジニアリング

前回の発表では、データエンジニアリングからプロンプトエンジニアリングへと進み、ChatGPTを使用してデータの準備タスクを解決する方法を示しました受け取ったフィードバックに加えて、他の…

このAI研究では、SMPLer-Xという名前のモデルを提案していますこれは一般的な基礎モデルであり、モノクル入力から3D/4D人体のモーションキャプチャを行います

アニメーション、ゲーム、ファッションの分野は、単眼写真や動画からの表現的な人体の姿勢と形状推定（EHPS）の画期的な分野から恩恵を受けることがあります。複雑な人体解剖学、顔、手を正確に表現するために、この作業では通常、パラメトリックな人体モデル（SMPL-Xなど）が使用されます。最近の数年間では、ユニークなデータセットが流入し、環境のキャプチャ、位置分布、体の可視性、カメラの視点などの研究の機会が増えました。しかし、最先端のアプローチはまだこれらのデータセットの一部に制約があり、さまざまなシナリオでパフォーマンスのボトルネックとなり、未開拓の地域への一般化を妨げています。 EHPSの信頼性のある、国際的に適用可能なモデルを構築するために、この研究では利用可能なデータセットを徹底的に分析することを目標としています。これを行うために、彼らは32のデータセットを使用したEHPSの最初のシステムベンチマークを作成し、そのパフォーマンスを4つの主要基準に対して評価しました。これにより、ベンチマーク間の重要な不整合が明らかになり、全体的なEHPSの複雑さが強調され、シナリオ間のドメインギャップを解消するためにデータのスケーリングが必要であることが示されました。この詳細な分析は、EHPSのための既存のデータセットの使用を再評価する必要性を示し、より優れた汎化能力を提供するより攻撃的な代替手段への切り替えを主張しています。彼らの研究は、補完的な性質を持つ複数のデータセットを利用する価値を強調しています。また、これらのデータセットの転送性に影響を与える関連する側面を徹底的に調査しています。彼らの研究は将来のデータセット収集に役立つアドバイスを提供します。1) 100,000以上のインスタンスを含む場合、データセットは特に大規模である必要はありません。2) イン・ザ・ワイルド（屋外を含む）の収集が不可能な場合、さまざまな屋内風景が優れた代替手段となります。3) シンセティックデータセットは、検出可能なドメインギャップを持ちながら、驚くほど効果的になっています。4) SMPL-Xのアノテーションがない場合、擬似SMPL-Xラベルは役立ちます。ベンチマークからの情報を使用して、Nanyang Technological University、SenseTime Research、Shanghai AI Laboratory、東京大学、国際デジタル経済アカデミー（IDEA）の研究者たちはSMPLer-Xを作成しました。この汎用基盤モデルはさまざまなデータセットを使用してトレーニングされ、様々な状況でバランスの取れた結果を提供します。この研究は大量の選択されたデータの力を示しています。彼らは、EHPSのための非常に基本的なアーキテクチャを持つSMPLer-Xを開発しました。厳密なアルゴリズムの要素の分析ではなく、SMPLer-Xは大規模なデータとパラメータのスケーリングを許容し、将来のフィールド研究の基盤となるよう設計されています。さまざまなデータの組み合わせやモデルサイズでの実験により、従来のデータセットトレーニングの広く行われている方法に挑戦し、すべてのベンチマーク結果を上回る包括的なモデルを構築しました。彼らの基盤モデルにより、5つの主要なベンチマーク（AGORA、UBody、EgoBody、3DPW、EHF）での平均主要エラーが110ミリメートルを超えて70ミリメートル以下に減少しました。また、RenBodyやARCTICなどの新しいシナリオにも成功して印象的な汎化能力を示しています。さらに、彼らは基盤モデルの最適化の効果を示し、ドメイン固有のエキスパートとして機能して、広範なベンチマークで優れたパフォーマンスを実現しています。 EgoBody、UBody、EHFにおいて最新技術の性能を発揮するために同じデータ選択方法を採用しており、AGORAリーダーボードでも107.2ミリメートルのNMVE（11.0%の改善）を達成し、新たな記録を打ち立てました。彼らは3つの異なる貢献を提供しています。1) EHPSの幅広いデータセットを使用して、信頼性のある、移植可能なEHPSに向けたトレーニングデータのスケーリングに重要な方向性を提供する、最初のシステマティックなベンチマークを構築します。2) データとモデルのスケーリングの両方を調査し、バランスの取れた結果を提供し、未開拓のデータセットに効果的に拡張する汎用基盤モデルを構築します。3) 基盤モデルを改良して、データ選択手法を拡張し、さまざまなベンチマークで強力な専門家となります。

Learn more about Search Results A - Page 160