Search Results A

「生成AIの10年からの教訓」

「生成AIの未来を理解するためには、それがどこから来たのか、そして技術とともに進化する課題と機会を見ることが役立ちます」

大規模言語モデルのコード解読：Databricksが教えてくれたこと

「ファインチューニング、フラッシュアテンション、LoRa、AliBi、PEFTなどの技術を使用して、カスタムモデルを開発することにより、自分自身のエンドツーエンドのプロダクションレディなLLMワークフローの構築を学びましょう」

AIイメージフュージョンとDGX GH200

「コンピュータビジョン（CV）の領域では、部分的な画像を繋ぎ合わせて寸法を測定する能力は単なる高度なトリックではなく、重要なスキルですパノラマビューを作成している場合でも...」

「AIが生成したドレイクの曲がグラミー賞に応募される：音楽とAIにとって画期的な瞬間」

「テクノロジーと芸術の交差点を再定義する画期的な瞬間に、ラッパーのドレイクのスタイルを模倣したAIによって生成された曲がグラミー賞の審査に提出されましたニューヨークタイムズに報じられたこの出来事は、創造的な取り組みにおける人工知能の役割や音楽制作の未来について興味深い問題を提起します...」

「SMPLitexに会ってください：単一画像からの3D人間テクスチャ推定のための生成AIモデルとデータセット」

コンピュータビジョンとグラフィックスの絶えず進化する分野において、2D画像からリアルな3D人間の表現を作成することは重要な課題でした。これは単なる技術的な障壁にとどまらず、没入型仮想環境から高度なビデオ編集まで、数多くのアプリケーションへの入り口でもあります。この課題に対応するため、研究チームは「SMPLitex」という画期的なソリューションを提案しました。この研究は、問題の本質、提案された手法、その複雑さ、そしてSMPLitexの印象的なパフォーマンスについて探求しています。単一の画像から3D人間の表現を作成することは、コンピュータグラフィックスとビジョンの長年の夢でした。3D形状のキャプチャには重要な進展がありましたが、オブジェクトにリアルな外観を与えるテクスチャは未だに困難な領域です。一人の人物の写真を撮影して、その人物の3D形状や詳細な肌の質感、衣服、さらにはアクセサリーまで再現できると想像してみてください。これこそが、SMPLitexの研究チームが取り組んでいる課題です。 SMPLitexに入る前に、既存の手法の現状と制約を理解することが重要です。従来の手法は、手作業によるテクスチャマッピングや3Dスキャンなど、労働集約型のプロセスに頼ることが多く、現実世界のアプリケーションにはスケーラブルなものではありませんでした。これらの手法は、被写体の一部が隠れたり、不完全な視点からの取り組みには苦労し、実用性に制約がありました。研究チームは、単一の画像からキャプチャされた人間の完全な3D外観を推定・操作するための画期的な手法であるSMPLitexを導入しました。SMPLitexのユニークな点は、元々2D画像用に設計された生成モデルを3Dドメインに統合することです。キーとなるイノベーションは、入力画像に基づいてピクセルから表面への対応を確立し、それを使用して3Dテクスチャを再構築することです。この手法の中心にあるのは、完全な3D人間の外観に特化した生成モデルです。このモデルは包括的にトレーニングされ、人間のテクスチャが3D空間でどのように表示されるかを学習します。しかし、このモデルが単一の入力画像内の可視部分に依存すると、本当のマジックが起こります。ピクセルから表面への対応は、2D画像をその3D相当物にマッピングするという驚くべき精度で計算されます。この対応関係を活用することで、SMPLitexは被写体の外観を忠実に再現する完全な3Dテクスチャマップを生成することができます。生成モデルが画像の可視部分に適応する柔軟性により、一部が隠れている被写体を扱う場合でも、SMPLitexはリアルな3Dテクスチャを生成することができます。 SMPLitexは、単なるパラダイムシフトを約束するだけでなく、実現します。研究チームは、公開されている3つのデータセットを対象に厳格な定量的および定性的評価を実施しました。その結果は驚くべきものでした。SMPLitexは既存の手法を大幅に上回り、人間のテクスチャ推定の優位性を示しました。 SMPLitexの特筆すべき機能の一つは、その汎用性です。正確なテクスチャ推定に優れており、編集や合成、操作など、さまざまなタスクにシームレスに3Dテクスチャを統合することができます。これにより、コンピュータグラフィックスとビジョンの世界が豊かになります。まとめると、SMPLitexは単一の画像からリアルな3D人間のテクスチャを解放するために大きな飛躍を果たしています。2D画像とリアルな3D再構築の間のギャップを埋めることで、この手法は非常に大きな可能性を秘めています。その潜在的な応用範囲は、エンターテイメントやゲームから医療やファッションまで多岐にわたります。SMPLitexは、3D人間の外観を捉えることが写真を撮るように簡単になる未来への一瞥を提供します。研究チームのイノベーションは、より没入型の体験、充実したコンテンツの作成、そして新たなコンピュータビジョンとグラフィックスの領域を切り拓く道を築いています。技術の進歩に伴い、SMPLitexなどの手法が解き放つ信じられない可能性を予測することしかできません。生成モデルと精密なピクセルから表面への対応を融合させることは、産業革命を起こし、私たちが人間形態のデジタル表現との相互作用を再定義することができます。2Dから3Dへの旅は、SMPLitexとその先見の明ある研究チームのおかげで、大きな一歩を踏み出しました。

「生成AIを通じて脆弱性を明らかにする」

この記事では、コードスキャンについて学び、MuleSoftのAPIでセキュリティに関連するパラメータの露出を報告する方法について詳しく説明します

「AIゴールドラッシュの航海：エンタープライズベンチャーにおけるテクニカルデットの隠れたコストを明らかにする」

昨年、人工知能は企業のリーダーたちの注目を集め、彼らにAI企業への投資を急がせたり、自社製品の導入を迅速化したりするよう促してきましたしかし、この技術の進歩の新たな時代に参加するために急いでいる中で、AIに初めて取り組む組織は、[…]

「StackOverflowが生成型AIに対応する方法」

OverflowAIは、強力な生成AIループによってプロセスを効率化することで、コンテンツ作成を革命化します

「トライするためのトップ50のAIライティングツール（2023年9月）」

Grammarly Grammarlyは文章を向上させるための優れたツールです。文章の文法、スペル、句読点、スタイルをチェックして、明確でプロフェッショナルなコンテンツを確保します。 Jasper Jasper AIは、ウェブサイト、ブログ、ソーシャルメディアなどのコンテンツ作成を容易にする、最も人気のあるAIライティングツールの一つです。 ChatGPT ChatGPTは、さまざまな文章作成タスクに役立つ堅牢な言語生成モデルです。会話生成、言語翻訳、要約などを処理します。 GPT-4 GPT-4は、人間の文章に非常に近いテキストを生成し、ライターにとって強力な資産となります。多くのトップAIライティングツールは、GPT-4技術を取り入れることでソフトウェアを強化しています。 Growthbar Growthbarは、SEOに最適化されたブログコンテンツを作成するための理想的なツールです。 ClosersCopy このAIライティングツールは、ブログ投稿、ソーシャルメディアコンテンツの作成、プレゼンテーションの作成、書籍の執筆など、さまざまなタスクに使用できます。 Writesonic Writesonicを使用すると、高品質な記事やブログ投稿などを生成することができます。英語、スペイン語、フランス語など、世界の主要な言語でコンテンツを作成することができます。 Article Forge Article Forgeを使用すると、任意のトピックに関するSEO最適化された高品質でユニークなコンテンツを生成することができます。 ParagraphAI ParagraphAIは、iOS、Android、Chrome向けのAIライティングアプリであり、ユーザーがより良い速度で電子メールや記事を書くのを支援します。 Scalenut Scalenutは、ユーザーに最も関連性の高いコンテンツを見つけて作成するのを支援するコンテンツインテリジェンスプラットフォームです。 Content…

メタAIは、122の言語に対応した初の並列読解評価ベンチマーク「BELEBELE」をリリースしました

多言語モデルのテキスト理解能力を評価する上での重要な課題は、高品質で同時的な評価基準の不足です。FLORES-200などの高カバレッジの自然言語処理データセットがありますが、それらは主に機械翻訳に使用されています。100以上の言語が理解や生成テキストサービスを使用していますが、ラベル付きデータの不足は、ほとんどの言語で効果的なシステムを構築する上で重要な障壁となっています。低リソース言語のためのNLPシステムの効率的かつ成功した開発を可能にするためには、LLM以外の重要な科学研究が必要です。多くのモデリングアプローチが言語に依存しないと主張していますが、それらの適用範囲はしばしば一部の言語でのみテストされます。 Meta AI、Abridge AI、およびReka AIによる新たな研究では、122の異なる言語バリエーションを横断して自然言語理解システムを評価するための重要なベンチマークであるBELEBELEが公開されました。データセットの各488パラグラフは、データセット全体の900の質問に対応しています。質問は言語理解能力の異なるモデルを区別し、注意深く作成されています。これらの質問は高い知識や推論を必要とはしませんが、一般化可能なNLUモデルを奨励し、バイアスのあるモデルを故意にペナルティを与えるように設計されています。英語で行われる質問は人間によってほぼ完璧な精度で回答することができます。さまざまなモデルの出力は、これがよく知られたLLMベンチマークであるMMLUと同様の識別的なNLUの課題であることを示しています。 BELEBELEシステムは、その種としては初めてであり、すべての言語で並列になっています。これにより、言語間でモデルの性能を直接比較することができます。データセットには29の文字システムと27の言語ファミリが含まれており、さまざまなリソースの利用可能性と言語の多様性を表しています。ヒンディー語、ウルドゥー語、ベンガル語、ネパール語、シンハラ語のローマ字化バージョンのための最初の自然言語処理（NLP）ベンチマークの一つは、これらの7つの言語を2つの異なるスクリプトで書かれたものに基づいています。データセットの並列性により、さまざまな言語間シナリオでクロスリンガルなテキスト表現を評価することができ、単言語および多言語モデルの評価に使用することができます。タスクは、比較可能なQAデータセットからトレーニングセットを組み合わせてフルファインチューニングによって評価することができます。研究者たちは、多言語間および英語と他の言語間の翻訳のために多数のマスク言語モデル（MLM）を使用しています。ファイブショットのコンテキスト学習とゼロショット（言語内および翻訳テスト）評価を使用して、LLMのさまざまなモデルを比較しています。研究結果は、英語中心のLLMが30以上の言語に広がり、VoAGIおよび低リソース言語で訓練されたモデルが大きな語彙サイズとバランスの取れた事前トレーニングデータの恩恵を最も受けることを示しています。チームは、彼らの研究が既存のモデルアーキテクチャとトレーニング方法を改善するのに役立つことを願っています。

Learn more about Search Results A - Page 235