AI・機械学習 VideoLLM-online: ストリーミング動画に対応した大規模言語モデル
はじめに近年、大規模言語モデル（LLM）は目覚ましい発展を遂げ、画像や動画を理解する能力を獲得しつつあります。しかし、従来のLLMは、予め用意された短い動画クリップを処理することを前提としているため、ストリーミング動画への対応には課題があり...
AI・機械学習
AI・機械学習 
AI・機械学習 画像生成AIにブレイクスルー！AutoregressiveモデルとDiffusionを組み合わせた新手法
はじめに画像生成AIの現状と課題近年、人工知能(AI)技術の発展に伴い、高品質な画像を自動生成するAIモデルが注目を集めています。しかし、既存の手法には、生成速度や画質の面で課題がありました。本論文の概要と意義本論文では、Autoregre...
AI・機械学習 顔写真に命を吹き込むAI「Hallo」アプリの使い方を解説！
顔写真が歌って踊る！？ 最新AI「Hallo」を使えば、まるで魔法のように、静止画の顔写真に動きをつけて、音声に合わせてアニメーション動画を作ることができます。この記事では、Halloを動かすために必要なDockerのインストールから、Ha...
AI・機械学習 RecurrentGemma 日本語版README
RecurrentGemmaは、Google DeepMindによる、新しいGriffinアーキテクチャに基づいたオープンウェイトの言語モデルファミリーです。このアーキテクチャは、グローバルアテンションをローカルアテンションと線形再帰の混合...
AI・機械学習 Flaxを使用したRecurrentGemma2Bグリフィンモデルのファインチューニングチュートリアル(Kaggle、GoogleColabノート付)
こんにちは！今回は、Flaxを使用して2Bグリフィンモデルをシンプルな翻訳タスクにファインチューニングする方法を学びます。グリフィンモデルは強力な言語モデルで、ファインチューニングによって特定のタスクに適応させることができます。初心者の方に...
画像生成 Google Colab上でStable Diffusion 3をDiffusersで動かしてみよう
こんにちは！今回は、Stability AIから最新のStable Diffusionモデルである「Stable Diffusion 3」が発表されました。このモデルは、Hugging Face HubでDiffusersライブラリを使って...
AI・機械学習 Hugging Face AccelerateによるFSDPとDeepSpeedの比較と使い分け方
はじめに近年、大規模言語モデルの学習には多くのGPUリソースが必要とされています。そこで登場したのが、Zero Redundancy Optimizer (Zero)アルゴリズムを実装したDeepSpeedとPyTorch FSDPの2つの...
AI・機械学習 RecurrentGemma-9b: 革新的な自然言語処理モデルの登場
はじめに近年、自然言語処理（NLP）の分野では、大規模な言語モデルが目覚ましい進歩を遂げています。そんな中、Googleが開発したRecurrentGemmaモデルが注目を集めています。RecurrentGemmaは、従来のGemmaモデル...
AI・機械学習 《UE5.4.2》WebSocket でLLMと日本語のやり取りを実現する！：新バージョン v0.2.0 リリースノート解説
この解説記事では、Unreal Engine 5.4.2 と WebSocket を用いて、C++ と Python 間で日本語を含むメッセージのやり取りを行うサンプルプロジェクトの最新バージョン v0.2.0 のリリースノートについて解説...
AI・機械学習 SourceSage 5.0.0のクイックスタートガイド
こんにちは！SourceSage 5.0.0を使ってみたいけど、どうやって始めたらいいのかわからない…という方のために、この記事ではSourceSage 5.0.0の使い方を初心者向けに丁寧に解説していきます。一緒に学んでいきましょう！セッ...