AIニュース

Delta-CoMeは、清華大学NLP研究室がOpenBMBオープンソースコミュニティ、北京大学、上海財経大学と共同で提案した、新しい増分圧縮アルゴリズムです。80GBのA100 GPUは最大50個の7Bモデルを容易にロードでき、GPUメモリを節約します。

Agent-Eは、AutoGenプロキシフレームワーク上に構築されたインテリジェントな自動化システムであり、ブラウザ内での自動化操作に重点を置いています。自然言語による対話に基づいて、Agent-Eはフォームへの入力、eコマース商品の検索とランキング、ウェブページの検索などのタスクを実行できます。

Magic Copyは、Chromeブラウザ拡張機能に対応したオープンソースの画像切り抜きツールです。MetaのSegment Anything Modelテクノロジーに基づいて、画像から前景オブジェクトを自動的に識別して抽出し、ユーザーのクリップボードにコピーします。

NSFW Detector（Not Safe For Work、略してNSFW）は、不適切なコンテンツを検出するためのオープンソースツールです。NSFW Detectorは、画像、PDF、動画ファイル内の不適切なコンテンツを識別できます。このツールは、GoogleのVita-...

MultiFoleyは、Adobe Researchとミシガン大学が共同開発したサウンド生成システムです。テキスト、音声、動画のマルチモーダル制御に基づいてフォーリー効果音を生成できます。このシステムでは、テキストプロンプトや参照音声などに基づいてフォーリー効果音を生成できます。

Google DeepMind、コロンビア大学、カリフォルニア大学サンディエゴ校が共同開発したCAT4Dは、単眼ビデオから4Dシーン（動的3D）表現を生成する技術です。CAT4Dはマルチビュービデオ拡散モデルに基づいており、あらゆる視点から4Dシーン表現（動的3D）を生成することを可能にします。

Make-It-Animatableは、中国科学技術大学とテンセントPCGが開発したデータ駆動型フレームワークです。形状やポーズに関係なく、あらゆる3Dヒューマノイドモデルを1秒未満でキャラクターアニメーション用に準備できます。

Co-op Translatorは、Microsoftが提供するオープンソースの翻訳ツールで、Azure AIを使用してプロジェクト文書や画像内のテキストの多言語翻訳を自動化します。Co-op Translatorは、たった1つのコマンドでプロジェクトコンテンツを分析できます。

AnchorCrafterは、拡散モデルに基づいたインテリジェントなビデオ制作システムであり、高精細なアンカースタイルの製品プロモーションビデオを自動生成するために使用されます。人間と物体のインタラクション（HOI）とジェスチャー誘導による人間によるビデオ生成を統合しています。

MyTimeMachine（MyTM）は、20～40年にわたる約50枚の個人写真を使用して、事前に学習済みのパーソナライズされたグローバル老化モデルをトレーニングする、高度なパーソナライズされた顔年齢変換技術です。My...

HiFiVFS（High Fidelity Video Face Swapping）は、TencentとVIVOが開発した高忠実度ビデオ顔交換フレームワークです。HiFiVFSは、複数フレームの入力と時間を使用するStable Video Diffusion（SVD）フレームワークに基づいています。

MVGenMasterは、復旦大学、アリババDAMOアカデミー、および湖盤研究所が共同開発したマルチビュー拡散モデルです。多様な新規ビュー合成（NVS）タスク向けに強化された3D事前処理に基づいています。このモデルは、メトリック深度とカメラに基づいています...

360Zhinao2-7Bは、360が独自開発したAI大型モデルである360 Zhinao 7Bのアップグレード版で、基本モデルと様々なコンテキスト長を持つチャットモデルを包含しています。360Zhinao2-7Bモデルは、360Zhinao1-7Bに続く大幅なアップデートであり、…

GeneMANは、上海AI研究所、北京大学、南洋理工大学、上海交通大学が共同開発した3D人体生成フレームワークです。1枚の画像から高精細な3D人体モデルを作成できます。このフレームワークは、パラメトリック人体モデルに依存していません。

MagicDriveDiTは、香港中文大学、香港科技大学、ファーウェイクラウド、ファーウェイノアズアークラボが共同開発したDiTアーキテクチャに基づく新しいビデオ生成手法です。自動運転アプリケーション向けに特別に設計されており、高解像度かつ長時間の映像を実現します。

EfficientTAMは、Meta AIが開発した軽量なビデオオブジェクトセグメンテーションおよびトラッキングモデルで、モバイルデバイスに展開した際のSAM 2モデルの高い計算複雑性に対処します。これは、シンプルで非階層的なVision Transformerに基づいています。

Amazon Novaは、Amazon Web Services（AWS）が提供する次世代AI基盤モデル群であり、業界最高水準のパフォーマンスとコスト効率を実現します。このファミリーには、テキスト処理に特化したAmazon Nova Microと、マルチモーダルアプリケーション向けのAmazon Novaが含まれます。

HunyuanVideoは、Tencentが開発したオープンソースの動画生成モデルで、130億ものパラメータを誇り、現在利用可能なオープンソース動画モデルの中でも最もパラメータ数の多いものの1つです。HunyuanVideoは、堅牢な物理シミュレーション、高いテキスト意味忠実度、動きの一貫性などを特徴としています。

Lobe Vidolは、誰もが簡単に自分だけのバーチャルアイドルを作成し、交流できるオープンソースのデジタルヒューマン作成プラットフォームです。Lobe Vidolは、スムーズな対話体験、背景設定、モーションポーズのライブラリ、洗練されたユーザーインターフェースなど、様々な機能を提供します。

GPT Academicは、学術研究と論文執筆のために特別に設計された、機能豊富なオープンソースプロジェクトです。ワンクリックでの論文翻訳、ソースコード解析、インターネット情報検索、LaTeX校正など、様々な機能を統合しています。

Vannaは、大規模言語モデル（LLM）に基づいてデータベース用の正確なSQLクエリを生成するのに役立つ、オープンソースのPython RAG（Retrieval-Augmented Generation）フレームワークです。Vannaはシンプルな2段階のプロセスを使用します...

PersonaCraftは、韓国のソウル大学が開発した、パーソナライズされた全身画像合成技術です。拡散モデルと3D人体モデリングを組み合わせることで、1枚の参照画像から複数の人物のリアルでパーソナライズされた全身画像を生成できます。PersonaCraftは…

StableAnimatorは、復旦大学、マイクロソフトリサーチアジア、Huya、カーネギーメロン大学が共同開発した、エンドツーエンドの高品質なアイデンティティ保持型動画配信フレームワークです。StableAnimatorは、参照画像に基づいて動画を生成し、...

I2V-01-Liveは、Conch AIが開発した画像から動画への変換モデルで、静止した2D画像を動的な動画に変換できます。ディープラーニング技術に基づき、動きの滑らかさと鮮やかさを向上させ、人や物の動きをより自然に表現します。