離れたところから自分の3Dアバターを自由に動かせる手法「D3GA」 ヒラヒラな服や表情も精巧に再現【研究紹介】
離れたところから自分の3Dアバターを自由に動かせる手法「D3GA」 ヒラヒラな服や表情も精巧に再現【研究紹介】 2023年11月17日 山下 裕毅 先端テクノロジーの研究を論文ベースで記事にするWebメディア「Seamless/シームレス」（https://shiropen.com/）を運営。 Meta Reality Labs Researchやドイツのダルムシュタット工科大学などに所属する研究者らが発表した論文「D3GA – Drivable 3D Gaussian Avatars」は、リアルタイムで人間の3Dアバターの動きを再構築するアプローチを提案した研究報告である。動きに応じて生じる服のヒラヒラする動きや、細かい表情まで再現される。 ▲この手法での3Dアバターは、体の動きだけでなく、衣服の動きや表情も反映される。 keyboard_arrow_down 研究課題 keyboard
プロンプトでLLMにRPAワークフローを自動生成させる手法「FlowMind」JPモルガン考案 | AIDB
背景 RPAの分野は大きく発展したものの、ユーザーから要求される即興的あるいは予測不可能なタスクに対しては、まだ対応できる手法が十分に確立されていません。現状のRPAが基本的に専門家の知識と明確に定義された手順に依存しているためです。 そんな中、LLMがRPAタスクを自動化することに期待が寄せられています。LLMのコーディング能力に関する研究も盛んに行われており、LLMは、few-shot学習 (少数の例を用いて新しいタスクを学習する手法) といったプロンプトエンジニアリング手法がコード生成性能を上げるなどの現象が報告されています。 現在、LLMのコード生成能力を活用し、Langchain、HuggingFace’s Transformer Agent、AutoGPTなどのワークフロー生成ツール（いわゆるエージェント関連ツール）が開発されています。しかし、データプライバシーの問題や、組み込
ICLR2024 LLMエージェントの研究動向
LLMエージェントの研究動向を調査しました。 国内のエージェント開発の取り組みが増え、議論が活性化すると嬉しいです。 連絡はota.m@dentsusoken.com まで
スタンフォード大学の研究グループがGPUを高速に動作させるAI用のドメイン固有言語「ThunderKittens」をリリース
スタンフォード大学のクリストファー・レ教授率いる研究チームがGPUを最大限に活用して一定時間当たりの演算量を最大化するためのドメイン固有言語(DSL)「ThunderKittens」をリリースしました。 ThunderKittens: A Simple Embedded DSL for AI kernels · Hazy Research https://hazyresearch.stanford.edu/blog/2024-05-12-quick-tk GPUs Go Brrr · Hazy Research https://hazyresearch.stanford.edu/blog/2024-05-12-tk 研究チームはNVIDIA H100を使用し、GPU使用率の最大化に取り組みました。H100はTensorコアを使用する半精度行列乗算計算の性能が989TFLOPSであり、その他
GPT-4oの画像認識力と理解力ならいけるのではと思い手書きの仕様指示を読み込ませたら本当にコードを書き上げてくれた→｢ついにコーダーが恐怖を感じる時が来たか｣
kmizu @kmizu A Software Engineer in Osaka (& Kyoto). Ph.D. in Engineering. Interests: Parsers, Formal Languages, etc. ツイートは所属先の見解と関係ありません．思いついたことをつぶやきます．人生を楽しく生きよう（New!） kmizu.github.io kmizu @kmizu GPT-4oの画像認識力と理解力をもってすればいけるやろと思ってやってみたら実際いけた。 ペーパープロトタイピングから最初のHTML書き起こすのにかなり使えるのでは。 つーか指示そのものを画像の中に書いたの読み取ってくれるの何か世界の壁を超えて対話してる感があって凄い #GPT4o pic.twitter.com/3XHMFg3yye
Googleが音楽生成AIツール「Music AI Sandbox」発表、テキストでジャンルやテンポなどを指示するだけで音楽を作成可能
Googleは現地時間2024年5月14日に開催された開発者向けイベント「Google I/O」で、簡単なプロンプトでループ音源を作成したり、メロディのジャンルを変更したり、複雑なテキストからメロディを提案したりできるAIツール「Music AI Sandbox」を発表しました。複数のミュージシャンがMusic AI Sandboxに取り組む様子や、Music AI Sandboxで作成したデモ音源も公開されています。 These tools allow users to create new instrumental sections from scratch, transfer styles between tracks, and much more. You can listen to brand new demo recordings created as part of thes
新しい「ChatGPT」はココがすごい 解説「GPT-4o」 (1/3)
OpenAIは5月13日（現地時間）、「Spring Update」と題したをオンラインプレゼンテーションを配信。新しい大規模言語モデル（LLM）「GPT-4o（オー）」お披露目のほか、mac OS用デスクトップアプリや各種無料化施策なども発表した。 テキスト理解力は過去最高 GPT-4oは、これまでのフラッグシップモデル「GPT-4 Turbo」と同等の性能を持ちながら、より高速化され、テキスト、音声、画像の理解力も大幅に向上したという触れ込みの最新LLMだ。 ちなみにGPT-4oの「o」は、「すべての」「全てを含む」という意味を持つラテン語の接頭辞「omni（オムニ）」から来ている。 以前から得意な英語とプログラムコードに関してはGPT-4 Turboと同等の性能を発揮し、英語以外の言語のテキストでは大幅な改善がみられるという。 ベンチマーク（OpenAIが提供するsimple-eva
大実験！ChatGPTは競プロの問題を解けるのか (2024年5月版) - E869120's Blog
1. はじめに 2024 年 5 月 14 日、OpenAI 社から新たな生成 AI「GPT-4o」が発表され、世界に大きな衝撃を与えました。これまでの GPT-4 よりも性能を向上させただけでなく1、音声や画像のリアルタイム処理も実現し、さらに応答速度が大幅に速くなりました。「ついにシンギュラリティが来てしまったか」「まるで SF の世界を生きているような感覚だ」という感想も見受けられました。 しかし、いくら生成 AI とはいえ、競技プログラミングの問題を解くのは非常に難しいです。なぜなら競技プログラミングでは、問題文を理解する能力、プログラムを実装する能力だけでなく、より速く答えを求められる解法 (アルゴリズム) を考える能力も要求されるからです。もし ChatGPT が競技プログラミングを出来るようになれば他のあらゆるタスクをこなせるだろう、と考える人もいます。 それでは、現代最強の
Google、Gemini 1.5 Proの改良と「1.5 Flash」モデルを発表 ー ビデオフレーム抽出などの開発者向け機能、大幅な性能向上も
5月15日、Googleは新しいGemini 1.5 Proおよび1.5 Flashモデルを発表した。 昨年12月に初公開されたGemini 1.0モデルに続き、2月には1百万トークンのコンテキストウィンドウを備えたGemini 1.5 Proがリリースされ、さらなる機能拡張が行われてきた。今月は、Gemini 1.5 Proの改善に加えて、新しい1.5 Flashモデルが導入された。 Gemini 1.5 Proの改良と新しい1.5 Flashモデル Gemini 1.5 Pro: 翻訳、コーディング、推論などの主要な使用ケースにおいて一連の品質向上が行われ、より広範で複雑なタスクにも対応可能である。 Gemini 1.5 Flash: この小型モデルは、応答時間が重要な高頻度タスクに最適化されている。 利用可能性: 両モデルはプレビュー版として本日より200以上の国と地域で利用可能であ
公開したGPTsの紹介｜TokiToki
私が公開したChatGPTのGPTsについてご紹介します。主に自分用として作成したため、使いやすさとしてはまだまだ不十分なところもあります。 はじめにGPTs（GPT Builder）は、ユーザーがChatGPTをカスタマイズし、独自のチャットボットを作成できる機能です。この機能により、プログラミングの知識がなくても、自然言語を用いてチャットボットを開発できます。 ChatGPTのGPTsの特徴と利点GPTsを使用することで、コーディングの必要なく、自然言語を入力するだけでチャットボットを開発できます。これにより、専門的なプログラミングスキルがない人でも、簡単にオリジナルのチャットボットを作成できるようになります。 公開したGPTs随時、更新および追加していく予定です。 1. Lyric Composersuno ai用に作った歌詞作成GPT。本家にも同様の機能があるので、わざわざ使用する
Four AI Agent Strategies That Improve GPT-4 and GPT-3.5 Performance
Agentic Design Patterns Part 1 Four AI agent strategies that improve GPT-4 and GPT-3.5 performance Dear friends, I think AI agent workflows will drive massive AI progress this year — perhaps even more than the next generation of foundation models. This is an important trend, and I urge everyone who works in AI to pay attention to it. Today, we mostly use LLMs in zero-shot mode, prompting a model t
ReRankingを適用したRAGの精度向上について | DevelopersIO
はじめに はじめまして クラスメソッド株式会社 新規事業部のレオナです。 クラスメソッド株式会社では、社内情報の検索と回答の精度向上のために、RAG(Retrieval-Augmented Generation)を用いたQAチャットボットを運用と検証しています。このシステムは、ユーザーからの質問に対して関連する社内文書を検索し、LLMがそれらの情報を基に回答を生成します。しかし、運用の中で、ユーザーが常に必要とする情報を得られないという問題があります。 この問題に対処するため、Re-ranking(再ランク)という手法を用いて問題の解決を試みます。Re-rankingは、Retrieverによって取得された複数の文書を、クエリに対する関連度を別ベクトルを用いて高い順別に並べ替える手法です。これによって検索の精度があがり、チャットボットの回答精度が上がることが期待できます。 実装 今回、参考
RAGを複雑な質問に強くする手法「CoA」について
本記事では、「Chain-of-Abstraction (CoA) Reasoning」についてざっくり理解します。軽めの記事です。 株式会社ナレッジセンスでは普段の業務で、生成AIやRAGシステムを活用したサービスを開発しています。 この記事は何 この記事は、最近聞くようになった「Chain-of-Abstraction (CoA) Reasoning」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合は以下の記事もご参考下さい。 本題 ざっくりサマリー LLMが外部ツールを使って回答を生成するときの、回答精度を高める手法についての論文です。Metaの研究者らによって2024年1月に提案されました。「Chain-of-Abstraction (CoA)」という手法を使うメリットは、RAGに応用することで
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
グーグルのAI祭り「Google I/O 2024」基調講演を総まとめ
Retriever Query Engine with Custom Retrievers - Simple Hybrid Search - LlamaIndex