マルチモーダルタスク（画像検索、画像キャプション生成、医療診断など）において、視覚言語モデル（VLMs）は極めて重要な役割を果たしています。これらのモデルの目的は、視覚データと言語データを整合させることで、より効率的な情報処理を実現することです。しかし、現在のVLMsは否定表現の理解において依然として大きな課題に直面しています。否定表現は、「窓のない部屋」と「窓のある部屋」を区別するなど、多くの応用において極めて重要です。VLMsは著しい進歩を遂げていますが、否定的な記述を処理する際には、既存モデルの性能は依然として不十分です。

今日のテクノロジー分野において、CLIP（Contrastive Language-Image Pre-training）は重要なマルチモーダル基盤モデルです。大規模な画像・テキストペアに対してコントラスティブ学習損失を用いることで、視覚信号とテキスト信号を共通のフィーチャ空間へと統合します。CLIPは、検索エンジンとしてゼロショット分類、検出、セグメンテーション、画像・テキスト検索などの様々なタスクをサポートします。同時に、特徴抽出器としても、ほぼあらゆる…

生成AIは目覚ましい発展を遂げていますが、その性能を包括的に評価することは依然として課題です。様々なモデルが登場し、その効果はますます驚異的になっています。しかし、これらのテキストから画像を生成するモデルの効果をどのように評価すれば良いのでしょうか？従来の評価方法は、人間の目による評価に頼るため主観性が強すぎるか、CLIPScoreのような単純な指標を使用しますが、これらの指標は、オブジェクト間の関係や論理的推論など、複雑なテキストプロンプトの細部を捉えきれないことが多々あります。そのため、多くのテキストから画像を生成するモデルの評価結果が不正確になったり、誤った評価がされる可能性があります。

Humaneは最近、新型スマートデバイスAI Pinの価格を200ドル値下げすると発表し、販売不振の改善を目指している。年初に699ドルで発売されたこの製品は、現在499ドルから販売されている。この価格は比較的安価だが、ブラックアルミニウム製の「eclipse」モデルには、追加バッテリーや充電ケースは付属しない。実際、同社は、一部サプライヤーのバッテリーに火災の安全上の懸念が見つかったため、AIに関して消費者に特別な注意喚起を行っている。

最近、Molmoというオープンソースの多モーダルAIモデルが業界で大きな注目を集めています。OpenAIのCLIPをビジョン処理エンジンとして使用し、Qwen2-72BをベースとしたこのAIシステムは、その優れた性能と革新的な機能で、従来の商用モデルの覇権に挑戦しています。Molmoの顕著な特徴はその高い性能です。比較的サイズが小さいにもかかわらず、処理能力は10倍規模の競合他社に匹敵します。この小さくても強力な設計思想は、モデルの効率性を高めることに貢献しています。

格灵深瞳は、TransformerとRNNの長所を組み合わせたビジョン言語表現学習器であるRWKV-CLIPモデルをオープンソース化しました。このモデルは、画像とテキストのペアを拡張したデータセット（ウェブサイトから取得）を用いた画像テキスト事前学習タスクを通じて、ビジョンと言語のタスクにおける性能を大幅に向上させています。ノイズデータの問題に対処し、データ品質を向上させるために、研究チームは、大規模言語モデル（LLM）を利用して、Webベースのテキスト、合成字幕、検出ラベルからコンテンツを合成および洗練する多様な記述生成フレームワークを導入しました。

マイクロソフトは本日、Microsoft Edgeおよびその他のChromiumベースのブラウザが、Async Clipboard APIを通じてSVG（Scalable Vector Graphics）ファイルのコピー＆ペースト機能をサポートすることを発表しました。この画期的な進歩により、ユーザーエクスペリエンスとWeb開発効率が大幅に向上します。

ClipflyはFotorが発表したワンストップAI長尺動画プラットフォームで、AIによる動画生成、強化、編集機能を複数搭載し、ユーザーによる動画制作プロセスの全体を支援します。Clipflyの設計理念は動画制作プロセスの簡素化であり、ユーザーはプロンプトに従って画像フレームを生成し、それを動画クリップに変換することで、最終的に完成度の高い動画を作成できます。ClipflyはStable Diffusionなどのオープンソースモデルと連携することで、動画クリップの品質を向上させ、クリエイターの体験ニーズを満たしています。半年におよぶ開発期間を経て、Clipfl

Jasperは、Stability AI傘下のAI画像プラットフォームClipdropの買収を完了しました。Clipdropは強力なAI画像編集ツールを提供しており、企業顧客はJasper APIを通じてアクセスできます。Stability AIは財政難のため、ClipdropをJasperに売却しました。今回の買収により、JasperはAI画像処理分野における市場シェア拡大を推進します。