複数の画像やテキストの解釈 Applications - Section 106

「IBM、HuggingFace、そしてNASAがWatsonx․ai Foundation Modelをオープンソース化 NASA初の公開可能なAI基盤モデルであり、HuggingFace上で最大の地理空間モデル」

IBMとオープンソースのAIプラットフォームであるHugging Faceは、watsonx.ai地理空間基盤モデルのリリースを共同で発表しまし...

新しいAI研究がMONAI Generative Modelsを紹介：研究者や開発者が簡単に生成モデルをトレーニング、評価、展開できるオープンソースプラットフォーム

最新の生成型人工知能の進歩により、医療画像を含む複数の分野で新たな進展がありました。これらの生成モデルは、異常検出、...

このAI研究では、全身ポーズ推定のための新しい2段階ポーズ蒸留を紹介しています

多くの人間中心の知覚、理解、創造のタスクは、3D全身メッシュ復元、人間とオブジェクトの相互作用、姿勢に基づいた人間の画...

このAI研究は、質問応答の実行能力において、指示に従うモデルの正確さと忠実さを評価します

最近導入された大規模言語モデル（LLM）は、人工知能（AI）コミュニティを席巻しています。これらのモデルは、非常に優れた自...

ソルボンヌ大学の研究者は、画像、ビデオ、音声、言語のタスクに対する統合AIモデル「UnIVAL」を紹介しました

一般的なモデルを作成するための大きな進歩の一つは、大規模な言語モデル（LLM）の出現です。彼らの驚異的なテキスト理解およ...

ライトオンAIは、Falcon-40Bをベースにした新しいオープンソースの言語モデル（LLM）であるAlfred-40B-0723をリリースしました

画期的な動きとして、LightOnは誇りを持って、Falcon-40Bに基づく革新的なオープンソースの言語モデル（LLM）であるAlfred-40...

Google DeepMindの研究者たちは、RT-2という新しいビジョン・言語・行動（VLA）モデルを紹介しましたこのモデルは、ウェブデータとロボットデータの両方から学習し、それを行動に変えます

大規模な言語モデルは、流暢なテキスト生成、新たな問題解決、文章やコードの創造的な生成を可能にします。対照的に、ビジョ...

映画チャットをご紹介しますビデオの基礎モデルと大規模な言語モデルを統合した革新的なビデオ理解システムです

大規模言語モデル（LLM）は最近、自然言語処理（NLP）の分野で大きな進歩を遂げています。LLMにマルチモーダリティを追加し、...

『私をすばやく中心に置いてください：主題拡散は、オープンドメインのパーソナライズされたテキストから画像生成を実現できるAIモデルです』

テキストから画像へのモデルは、過去1年間のAIの議論の中心でした。この分野の進歩は非常に迅速に起こり、その結果、印象的な...

「BeLFusionに出会ってください：潜在的拡散を用いた現実的かつ多様な確率的人間の動作予測のための行動的潜在空間アプローチ」

人工知能（AI）が世界を魅了し続ける中で、コンピュータビジョンとAIの交差点において、人間の動き予測（HMP）という注目すべ...

Find your business way

Globalization of Business, We can all achieve our own Success.

Advertising with us