浙江大学ReLER研究所が提案したSIFUモデルは、サイドビュー条件付き陰関数と拡散モデルを導入することで、従来の手法が2D特徴から3D空間への変換とテクスチャ予測において抱えていた課題を解決しました。
このモデルは、一枚の画像から高品質な3D人体モデルを再構築することができ、より高い堅牢性を備えています。そのため、3Dプリント、シーン構築、テクスチャ編集など、幅広い用途に適用可能です。
SIFUモデルは、幾何学的形状とテクスチャの再構築テストにおいて最先端（SOTA）の結果を達成し、従来手法の不足を補いました。様々なアプリケーションシナリオに新たな可能性をもたらします。
【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。
浙江大学と米テキサス大学が共同で開発した人工知能アルゴリズムが、中国での実験において地震の正確な予測に成功。1週間前に300キロメートル圏内の14回の地震を予測し、精度70％を達成、地震の強度も計算可能となった。この成果は地震早期警報と災害対策に新たな希望をもたらす。アルゴリズムの世界展開はまだ不確定ながら、予測精度向上と予測範囲縮小への楽観的な見方が広がる。今後は軽微から中程度の地震が頻発するテキサス州で試験を実施する予定。この研究は人工知能を自然災害…
快手と浙江大学は、エンティティ表現を用いた物体運動制御を実現するDragAnything技術を発表しました。DragAnythingは、前景、背景、カメラなど様々な要素の動きを精密に制御できます。ユーザーフレンドリーな設計、対象物の多様性、複数対象物の制御などにおいて優れています。FVD、FIDなどの指標においても優れた結果を示しており、特に物体運動制御においては先進的な技術です。
浙江大学とマイクロソフトは共同で、多様な編集シーンに対応するUniEditビデオ編集フレームワークを発表しました。UniEditは、トレーニング不要で、アクション編集、スタイル転送、背景置換などの機能を網羅しています。このフレームワークは統一された編集フレームワークを採用し、柔軟性と多機能性を備えています。
高品質な衣服を着用した3D人体モデルの取得は、多くの分野で非常に重要になっています。SIFUモデルは、一枚の画像から正確に3D人体モデルを再構築することができ、コストを削減し、独立した創作プロセスを簡素化します。SIFUモデルは、幾何学的およびテクスチャの再構築において優れた性能を発揮し、より高い堅牢性と幅広い適用シーンを備えています。このモデルは、将来の研究と実際の応用のための新たなアイデアを提供します。
バイトダンスと浙江大学は共同で、動画コンテンツ向けに設計されたVista-LLaMAを発表しました。これは、長尺動画における「幻覚」現象を解決します。独自の視覚と言語トークンの処理方法により、視覚と言語トークン間の均等距離を維持し、テキスト生成におけるバイアスを回避します。改良されたアテンションメカニズムと逐次視覚プロジェクターにより、動画コンテンツの深い理解と時系列ロジックの把握が向上しています。Vista-LLaMAは複数のオープンソース動画質問応答ベンチマークテストで優れた成績を収めています。
清華大学、浙江大学などがGPT-4Vのオープンソース代替策としてLLaVA、CogAgent、BakLLaVAを推進。注目を集めるオープンソースのビジョン言語モデル。LLaVAは、ビジュアルチャットや推論的な質問応答においてGPT-4に匹敵する能力を示す。CogAgentは、CogVLMを改良したオープンソースのビジョン言語モデル。BakLLaVAは、LLaVA 1.5アーキテクチャを用いて強化されたMistral 7Bベースモデル。
UrbanGIRAFFEは、浙江大学研究者によって提案された、リアルな画像合成手法です。都市シーンにおける制御可能な3D知覚画像合成問題に焦点を当てています。本手法は、制御可能なカメラ姿勢とシーンコンテンツにより多様な制御を実現し、セマンティックボクセルグリッドとオブジェクトレイアウトを用いてシーンを分解することで、優れた制御性と忠実度を実現しています。包括的な評価により、UrbanGIRAFFEは合成データセットと実データセットの両方において、2Dおよび3Dベースラインを上回ることが示され、特にKITTI-360データセットにおいて優れた背景モデリングとオブジェクト編集能力を示しました。
革新的な設計思想：機械学習アルゴリズムを用いて触覚センサのパラメータ設計を最適化することで、設計とアルゴリズムの有機的な結合を実現。技術的ハイライト：サポートベクターマシン（SVM）アルゴリズムを用いて設計パラメータを最適化し、多様なタッチモードを正確に認識。応用展望：研究開発期間の短縮、コスト削減、人と機械のインタラクションの応用範囲拡大。
EasyEditは大規模言語モデルの知識編集における新たな手法をリードします。EasyEditフレームワークは様々な知識編集手法に対応し、様々な大規模言語モデルに容易に適用できます。EasyEditは信頼性と汎化性の点で従来のファインチューニング手法を凌駕します。