AIニュース

BlueLM-V-3Bは、vivo AI Labと香港中文大学MMLabが共同開発したアルゴリズムとシステム協調設計手法です。モバイルデバイスへのマルチモーダル大規模言語モデル（MLLM）の効率的な展開をサポートします。モデルのサイズは小さく（2.7B）、...

AtomThinkは、中山大学、香港科技大学、上海交通大学、香港大学、およびファーウェイ・ノアズアーク・ラボの研究者らが共同開発したマルチモーダルな数学的推論フレームワークです。このフレームワークは、思考の長い連鎖（CoT）を構築するという概念に基づいています。

DeepSeek-R1-Liteは、DeepSeekの推論モデルのプレビュー版です。強化学習を用いてトレーニングされたDeepSeek-R1-Liteは、長連鎖推論能力を備え、推論プロセスをリアルタイムで表示できます。その性能は、複数のベンチマークテストで高い評価を得ています。

Samsung Gauss2は、Galaxy AI機能の性能と効率を向上させるために設計された、Samsungの第2世代マルチモーダル生成AIモデルです。Samsung Gauss2は、テキスト、コード、画像など、複数のデータタイプを同時に処理できます。

AlphaQubitは、Googleが開発したAIベースの量子エラーデコーダです。Transformersディープラーニングアーキテクチャを使用して、量子コンピューティングにおけるエラーを特定し、修正します。正確なエラー識別に基づいて、AlphaQubitは量子コンピュータの性能向上を支援します。

CAD-MLLMは、上海科技大学、Transcengram、DeepSeek AI、香港大学が共同開発したコンピュータ支援設計（CAD）モデル生成システムです。テキストによる説明や画像など、さまざまなユーザー入力に基づいてモデルを生成します。

LaTRO（潜在推論最適化）は、複雑な推論タスクにおける大規模言語モデル（LLM）の性能を向上させる高度なフレームワークです。これは、推論プロセスを潜在分布からのサンプリングに例え、変分推論を用いています。

ReCaptureは、Googleとシンガポール国立大学が開発した動画処理技術で、ユーザーが提供する単一の動画から、新しいカメラ軌跡を持つ新しい動画を生成できます。ReCaptureは、マルチビュー拡散モデルまたは深度ベースの点群レンダリングを使用します。

MagicClayはAdobeの3Dモデリングツールで、メッシュと指向性距離場（SDF）技術を組み合わせることで、アーティストはテキストプロンプトに基づいて3Dモデルの特定の部分を彫刻し、モデルの他の部分は変更せずに済みます。

StableV2Vは、中国科学技術大学が立ち上げたオープンソースの動画編集プロジェクトです。テキスト、スケッチ、画像などの入力に基づいて、動画内のオブジェクトを正確に編集・置換することができます。このプロジェクトは形状一貫性編集パラダイムを採用しており、主に3つのコンポーネントで構成されています。

Haloは、低価格のスマートリングとオープンソースソフトウェアをベースに、ユーザーが独自のパーソナライズされた健康モニタリングアプリケーションを構築できるオープンソースのDIY健康追跡プロジェクトです。Haloは、アクティビティ追跡、心拍数モニタリング、睡眠分析などの機能をサポートしており、完全に無料です。

JoyVASAは、JD Health Internationalが開発したオープンソースの音声駆動型デジタルヘッドプロジェクトです。拡散モデル技術に基づき、音声信号に同期した顔と頭の動きを生成します。JoyVASAは、唇の動きを同期させることができます。

TIP-I2Vは、画像から動画への変換に使用される、実世界のテキストと画像キューの大規模データセットです。TIP-I2Vには、170万を超える独自のユーザー生成テキストと画像キューに加え、5つの最先端（SOTA）画像から動画への変換モデルによって生成された対応する動画が含まれています。

FLUX Toolsは、Black Forest Labsが開発したモデリングツール群で、基本的なテキストから画像への変換モデルであるFLUX.1の制御性と操作性を向上させます。FLUX Toolsには、FLUX.1 Fill（画像復元と拡張）、FLUX.1 D...

SmoothCacheは、Robloxとクイーンズ大学の研究チームによって開発された、拡散トランスフォーマー（DiT）モデル向けの汎用的な推論高速化手法です。これは、隣接する拡散時間ステップにおける層の出力の類似性を分析することに基づいています。

AutoConsisは、美団の技術チームと復旦大学が共同開発したインテリジェントなUI一貫性検出ツールです。ディープラーニングと大規模言語モデルに基づいて、インターフェースから重要なデータを自動的に識別・抽出し、データの検出と認識を行います。

OmniEditは、複数のエキスパートモデルからの監視を用いて汎用モデルをトレーニングし、様々な画像編集タスクを処理する高度な画像編集技術です。異なるアスペクト比の画像や、7種類の画像編集タスクに対応できます。

In-Context LoRAは、Alibaba Tongyi Labsが開発した拡散変換器（DiT）に基づく画像生成フレームワークです。モデル固有のコンテキスト学習機能を活用し、活性化モデルの調整によるコンテキスト生成能力を最小限に抑えます。

Add-itは、NVIDIAが開発したトレーニング不要の画像編集技術で、テキスト指示に基づいて画像にオブジェクトを追加します。この技術は、拡張拡散モデルのアテンションメカニズムに基づいており、シーン画像、テキストプロンプト、および生成された画像を統合します。

DINO-Xは、IDEA Researchが開発した汎用大規模ビジョンモデルで、オープンワールドでの物体検出と理解能力を備えています。テキスト、ビジュアル、カスタムキューをサポートし、ユーザーの指示なしに画像内のあらゆる物体を認識できます。1億を超えるデータに基づいており…

『マトリックス』は、同名の映画にちなんで名付けられた、初のAIベースの世界シミュレーターです。これは、アリババ、香港大学、ウォータールー大学、カナダのAI研究機関であるベクター研究所の研究者からなる、すべて中国のチームによって開発されました。

DreamPolishは、Zhipu AI、清華大学、北京大学が共同開発したテキストから3Dを生成するモデルです。2段階のアプローチを用いて、複雑なオブジェクトの精緻な形状と高品質なテクスチャの生成を改善します。第1段階では、複数のニューラル表現を使用します...

OmniBoothは、ファーウェイ・ノアズアーク・ラボと香港科技大学の研究チームが共同開発した画像生成フレームワークです。テキストプロンプトまたは画像参照に基づいて、空間制御とインスタンスレベルのカスタマイズをサポートします。このフレームワークは、ユーザー定義のマスクと関連する...

DynaMemは、ニューヨーク大学とHello Robotが開発した動的な空間意味記憶システムで、オープンワールドでのモバイル操作に特化して設計されています。ロボットのメモリとして特徴点群を保持し、環境の動的な変化に対応します。