AIニュース

La Platformformeは、Mistral AIが提供するAI開発ツールで、ユーザーはAIモデルを微調整・最適化し、特定のアプリケーションシナリオやデータセットにより適したものにすることができます。La Platformformeでは、ユーザーは独自のデータを使用できます。

Zhipu AI Open Platformは、開発者向けの大規模モデル開発プラットフォームです。高度なモデル機能、豊富な開発リソース、カスタマイズ可能なナレッジベース、アプリケーション体験センターを統合し、開発者がGLM大規模モデルの技術的可能性を最大限に活用できるよう支援します。

GLM-4-longは、Zhipu AIが開発した200万文字のテキストモデルで、そのAPIはZhipu AIオープンプラットフォームBigModelで利用可能です。非常に長い入力をサポートし、非常に長いテキストやメモリベースのタスクを処理するように設計されており、コンテキスト長は...

Deep-Live-Camは、オープンソースのAIリアルタイム顔交換ツールで、ユーザーは1枚の画像だけで動画内の顔をリアルタイムで交換できます。CPU、NVIDIA CUDA、Apple Silicon、Core MLなど、複数のハードウェアプラットフォームをサポートしています。

Qwen2-Audioは、アリババ傘下のTongyi Qianwenチームがリリースした最新のオープンソースAI音声モデルです。直接音声入力と多言語テキスト出力に対応し、音声チャット機能と音声分析機能を備え、8つ以上の言語をサポートしています。Qwen2-Audioは…

Imagen 3は、Googleが開発したAI画像生成モデルで、高品質でリアルな画像を生成できます。Imagen 3は、キーワードの理解力が高く、より多くのディテールを捉え、幅広いビジュアルスタイルを生成できます。Googleのテキストベースの画像生成技術に基づいています。

EAFormerは、復旦大学が開発したAIテキスト分割フレームワークです。写真内のテキスト検出に優れており、背景からテキストを正確に分離できます。テキストの輪郭がぼやけていたり、背景が複雑だったりする場合でも、EAFormerは優れた性能を発揮します。

WiseFlowは、ウェブサイト、WeChat公式アカウント、ソーシャルメディアプラットフォームなど、複数のソースからデータをインテリジェントに抽出・分類するオープンソースのAI情報マイニングツールです。統計学習と大規模言語モデル（LLM）を組み合わせ、さまざまなニュースページをサポートしています。

Agentsは、AIWavesが開発したAIエージェント開発ツールです。ユーザーはAIモデルを微調整・最適化し、よりインテリジェントでパーソナライズされたAIエージェントを構築できます。Agentsプラットフォームを通じて、ユーザーはAIモデルをカスタマイズできます。

MiniCPM-Vは、Wallfacer Intelligenceが開発したオープンソースのマルチモーダル大規模モデルです。80億個のパラメータを持ち、画像と動画の理解において優れた性能を発揮します。MiniCPM-Vは、単一画像の理解においてGPT-4Vなどのモデルを凌駕し、iPadなどのデバイスへの実装を初めてサポートしたモデルです。

VideoDoodlesは、Adobeが複数の大学と共同開発したAIビデオ編集フレームワークです。ユーザーは手描きのアニメーションをビデオに簡単に挿入でき、ビデオコンテンツとのシームレスな統合を実現します。ビデオフレームを前処理することで、システムは2Dアニメーションを提供します。

CharacterFactoryは、大連理工大学のIIAUチームが開発したAIキャラクター生成ツールです。拡散モデルを用いることで、参照画像を必要とせず、一貫した特徴を持つキャラクターを迅速に生成できます。必要なGPUメモリはわずか2.5GB、学習時間は10分です。

UniBenchは、MetaFairが開発したビジュアル言語モデル（VLM）評価フレームワークであり、VLMの包括的な評価を提供します。UniBenchには、物体認識、空間理解、推論など、50以上のベンチマークテストが含まれています。

Retinex-Diffusionは、Retinex理論に基づいたAIベースの画像照明制御技術であり、より自然で繊細かつ重層的な画像の明るさと暗さを実現します。Retinex-Diffusionはモデルの再学習を必要とせず、画像内の要素を認識することで機能します。

EXAONE 3.0は、LG AI Researchが開発したオープンソースのAIモデルで、7億8000万個のパラメータを持ち、英語と韓国語に特化して設計されています。EXAONE 3.0は、英語と韓国語の両方の言語テストで非常に優れた性能を発揮するだけでなく、実世界のユースケースや数式処理においても卓越した能力を発揮します。

DressCodeは、上海科技大学、ペンシルベニア大学、およびDeemos Technologiesが共同開発した3D衣服生成フレームワークです。テキストによる説明に基づいて、様々なスタイルや素材の3D衣服モデルを自動的に生成できます。

ReSyncerは、清華大学と百度が共同開発したAI動画編集ツールです。音声処理によって、音声と同期した高品質なリップモーション動画を生成します。ReSyncerはStyle-SyncFormerを用いて音声を分析し、3D顔モデルを作成します。

MotionCloneは、テキスト駆動型のAIビデオモーションクローニングフレームワークです。時間的注意機構を用いて参照ビデオから動作をクローンし、テキストキューを組み合わせることで新しいビデオを生成します。複雑な全体的なカメラの動きと、きめ細かな局所的な手足の動きの両方に対応できます。

Mini-Monkeyは、華中科技大学と華南理工大学が共同開発した軽量マルチモーダルAIモデルです。マルチスケール適応型セグメンテーション戦略（MSAC）とスケール圧縮メカニズム（SCM）を採用することで、従来の画像セグメンテーションにおける問題を効果的に解決します。

MDT-A2Gは、復旦大学とテンセントユーチューが共同開発したAIモデルで、音声コンテンツに基づいて対応するジェスチャーを同期的に生成するように特別に設計されています。MDT-A2Gは、人間がコミュニケーション中に行う自然なジェスチャーを模倣し、コンピュータがより生き生きとしたジェスチャーを生成できるようにします。

ASAM（Adversarial Adjustment of Segment Anything Model）は、vivoが開発したAI画像セグメンテーションモデルです。敵対的調整によって、元のSAMモデルの性能を向上させています。ASAMは自然な敵対的サンプルを使用します...

Falcon Mamba 7Bは、アラブ首長国連邦の技術革新研究所（TII）が開発したオープンソースのAIモデルで、MetaのLlama 3.1-8Bなどのモデルを凌駕する性能を発揮します。Falcon Mamba 7Bはエンコーダー・デコーダーアーキテクチャとマルチヘッドアテンションを採用しています。

Clapperは、HuggingFaceのAIフロントエンドエンジニアであるJulian Bilcke氏によって開発された、無料のオープンソースのビジュアルAIビデオ編集ツールです。様々な生成AI技術を統合し、ユーザーが反復的かつ直感的に操作できるように設計されています。

UniTalkerは、入力音声に基づいてリアルな顔の動きを生成できる、音声駆動型の3D顔アニメーション生成モデルです。統一されたマルチヘッドアーキテクチャモデルを採用し、異なるアノテーションを持つデータセットを使用し、複数の言語と音声フォーマットをサポートしています。