中山大学などの研究者らが、ScaleLong拡散モデルを提案しました。これは、UNetのロングスキップ接続におけるスケーリング操作が、モデルの安定した学習に繋がることを示しています。
研究によると、スケーリング係数を適切に設定することで、特徴量の不安定性を軽減し、入力ノイズに対するモデルの堅牢性を向上させることが分かりました。彼らは、学習可能なスケーリング（LS）法と定数スケーリング（CS）法を提案し、これらの方法を用いてスケーリング係数を適応的に調整することで、モデルの学習をさらに安定化させます。
可視化された特徴量とパラメータは、モデル学習において重要な役割を果たしており、スケーリング係数は勾配の大きさや入力ノイズの安定性に影響を与えます。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
コードの力と芸術的インスピレーションが出会う時、次世代の人工知能は創造の世界の境界を静かに変えつつあります。最近、国産オープンソース画像生成モデルHiDream-I1が衝撃的な発表をしました。17億パラメーターという技術的基盤を誇るこのAIペインターは、HiDream-aiチームが力を注いで開発したもので、急速にテクノロジー界の寵児となっています。この拡散モデル技術に基づいたオープンソース画像生成ツールは、テキストの説明を高品質な画像に変換でき、ディテール描写と画像の一貫性において注目すべき能力を示しています。初期テストの結果、Hi
人工知能技術がますます普及する中、DeepSeekと清華大学による協業が業界で大きな注目を集めています。中国のスタートアップ企業である深思科技は、低コスト推論モデルにおけるブレークスルーで知られており、今回の清華大学との学術連携を通じて、AIモデルの訓練コストをさらに削減し、運用効率の向上を目指しています。DeepSeekは最近、新しい低コスト推論モデルを発表し、市場から熱い反響を呼んでいます。このモデルをさらに最適化するため、深思科技の研究チームは…
人工知能による絵画の分野では、拡散モデル（Diffusion Model）がU-NetアーキテクチャベースからTransformerアーキテクチャ（DiT）ベースへと移行しつつあります。しかし、DiTエコシステムは、プラグインサポート、効率性、多条件制御などの点で課題に直面しています。最近、Xiaojiu-z氏率いるチームがEasyControlという革新的なフレームワークを発表しました。これは、DiTモデルに効率的で柔軟な条件制御能力を提供することを目的としており、まるでDiTモデルに強力なCを装備したようなものです。
人工知能によるビデオ生成分野において、拡散モデルはその卓越した性能から注目を集めています。しかし、固有の反復的ノイズ除去特性により、生成プロセスは時間と計算コストがかかり、広く普及する上での大きな障壁となっていました。最近、北京航空大学、香港大学、上海人工知能研究所の研究チームは、AccVideoという革新的な技術を発表しました。この手法は、新規で効率的な蒸留方法と合成データセットを組み合わせることで、ビデオ拡散モデルの生成速度を驚異的な8.5倍に向上させることに成功しました。
ブルームバーグは関係者筋の話として、アリババグループが人工知能分野で大きな進展を遂げ、アリババとファーウェイが製造した中国製のチップを採用することで、AIモデルの訓練コストを20％削減することに成功したと報じています。このニュースは、中国が重要な技術分野における自立と制御に新たな勢いを与えることは間違いありません。報道によると、アリババグループの内部テストでは、これらの中国製のAIチップは、業界リーダーであるNVIDIAの同等製品と同等の性能を発揮したとのことです。この結果が広く検証され、応用されれば、世界のAI業界に大きな変化をもたらす可能性があります。
GPUクラウドサービス企業のCoreWeaveは先日、OpenAIと5年間の119億ドル規模に及ぶ戦略的パートナーシップ契約を締結したと発表しました。この契約により、CoreWeaveはOpenAIのAIモデルのトレーニングと提供に必要なコンピューティングパワーを提供します。この大規模な取引は、両社の人工知能分野における深い協力関係を示しています。また、この協業の一環として、CoreWeaveはOpenAIに3…
先日、開発者scraedがGitHub上でLanPaintを公開しました。これは、追加のトレーニングなしで画像修復を行うツールです。このツールは、ユーザーが独自のモデルを含むあらゆる安定拡散モデル（SD）で高品質の画像修復を実現することを目的としています。LanPaintは、ノイズ除去の前にモデルに「思考」させることで、よりシームレスで正確な修復結果を得ます。LanPaintの主な特徴の一つは、ゼロトレーニング修復です。ユーザーはすぐに…
近年、大規模データセットと事前学習済み拡散モデルのおかげで画像再照明技術は進歩し、一貫性のある照明の適用がより一般的になりました。しかし、ビデオ再照明の分野では、高額なトレーニングコストと多様で高品質なビデオ再照明データセットの不足により、進歩は比較的遅れています。画像再照明モデルをビデオにフレームごとに適用するだけでは、光源の一貫性のなさや再照明された外観の一貫性のなさが原因で、最終的に生成されたビデオにちらつきが生じるなど、様々な問題が発生します。この問題を解決するために、研究チームはLight-Aを提案しました。
ニューヨーク大学、マサチューセッツ工科大学、Googleの研究チームは最近、拡散モデルにおける推論時間のスケーリングにおけるボトルネック問題に対処することを目的とした革新的なフレームワークを発表しました。この画期的な研究は、従来の単純なノイズ除去ステップの増加という方法を超え、生成モデルの性能向上のための新たな道を切り開きます。このフレームワークは主に2つの次元から展開されます。1つは検証器からのフィードバックを利用すること、もう1つはより最適なノイズ候補を発見するためのアルゴリズムを実装することです。研究チームは、256×256解像度の事前学習済みSiT-XLモデルをベースに、250回の固定ノイズ除去ステップを維持しながら…