モデル FollowYourPose:画像生成モデルとポーズ動画と文章からキャラクターの動画を生成
１．FollowYourPose:画像生成モデルとポーズ動画と文章からキャラクターの動画を生成まとめ ・FollowYourPoseは棒人間形式にした動画とプロンプトを与えるとプロンプトと動画に基づいたキャラクター動画を簡単に作れる新モデル...
モデル 
アプリケーション segment-anything:画像内の全ての物体を画素単位で切り出す事が出来るMetaの基盤モデル
１．segment-anything:画像内の全ての物体を画素単位で切り出す事が出来るMetaの基盤モデルまとめ ・画像内にある物体を自動で認識して、切り出せるようにセグメンテーションマスクを作ってくれるSegment-Anything M...
モデル USM:100以上の言語に対応した最先端の音声AI(2/2)
１．USM:100以上の言語に対応した最先端の音声AI(2/2)まとめ ・事前学習で得た知識によりUSMは下流タスクからのわずかな量の教師ありデータで良好な品質を達成することができる ・YouTubeデータを使った検証では73言語の平均で3...
モデル USM:100以上の言語に対応した最先端の音声AI(1/2)
１．USM:100以上の言語に対応した最先端の音声AI(1/2)まとめ ・昨年の11月、Googleは世界で最も話されている1,000の言語をサポートする機械学習モデルの構築を目標に掲げた ・ユニバーサルスピーチモデルはその実現に向けた重要...
ロボット Performer-MPC：Transformerをロボットに適用して機敏に自律走行させる(2/2)
１．Performer-MPC：Transformerをロボットに適用して機敏に自律走行させる(2/2)まとめ ・Performer-MPCはロボットに搭載可能で8msで応答し、830万のPerformerパラメータを備えておりリアルタイム...
ロボット Performer-MPC：Transformerをロボットに適用して機敏に自律走行させる(1/2)
１．Performer-MPC：Transformerをロボットに適用して機敏に自律走行させる(1/2)まとめ ・人間中心の環境では狭い空間を安全かつ効率的に走行する事や適度な距離を保つ事など複雑なルールがロボットに要求される ・Trans...
入門／解説 言語モデル用のプロンプトエンジニアリングの経験則と実例
１．言語モデル用のプロンプトエンジニアリングの経験則と実例まとめ ・プロンプトの先頭に指示を入れ、##または"""で指示と文脈を区切る事で区切りを明確に伝える事ができる ・否定形でやってはいけないことだけを言うのではなく、代わりに何をすれば...
プライバシー 連合学習のための分散型差分プライバシー(2/2)
１．連合学習のための分散型差分プライバシー(2/2)まとめ ・分散差分プライバシーはSmart Text Selectionに正式なプライバシー保証を追加しますが、その正式な保証は比較的弱いものとなっている ・しかし、正式なプライバシー保証...
入門／解説 SadTalker:任意の音声に合わせて口パクする動画を一枚絵から生成(Colab、Spaceあり)
１．SadTalker:任意の音声に合わせて口パクする動画を一枚絵から生成(Colab、Spaceあり)まとめ ・任意の音声に合わせて口パクする動画を一枚絵や動画から生成するAIであるSadTalkerが誰でも動かせる形で公開された ・Sa...
プライバシー 連合学習のための分散型差分プライバシー(1/2)
１．連合学習のための分散型差分プライバシー(1/2)まとめ ・連合学習は機械学習モデルのトレーニングを分散して行う手法でデータは各端末内で処理されるためプライバシーが保たれる事が特徴 ・セキュアアグリゲーションと分散版差分プライバシーの2つ...
学習手法 KTN:ラベルが少なくたって異種混合グラフニューラルネットだって転移学習したいです(2/2)
１．KTN:ラベルが少なくたって異種混合グラフニューラルネットだって転移学習したいです(2/2)まとめ ・ラベルが豊富な転移元に対してHGNNモデルと分類器を事前に訓練し、同じHGにあるラベルが少ない転移先に対してモデルを再利用する手法を考...
学習手法 KTN:ラベルが少なくたって異種混合グラフニューラルネットだって転移学習したいです(1/2)
１．KTN:ラベルが少なくたって異種混合グラフニューラルネットだって転移学習したいです(1/2)まとめ ・機械学習の産業界向けアプリケーションは一般にデータの形式や特徴分布が異なる様々な項目で構成される事が多い ・異種混合グラフは複数種のノ...