AI・機械学習・データサイエンス– category –

ControlNetは2023年2月にスタンフォード大学のLvmin Zhang氏とManeesh Agrawala教授が発表した、画像生成モデルへ追加の条件付けネットワークを取り付ける手法です。論文Adding Conditional Controlto Text-to-Image Diffusion Modelsで提案され、姿勢・深...

AUTOMATIC1111はGitHubのユーザー名で、同氏が2022年8月にリリースしたStable Diffusion web UIは、画像生成AIをローカルで動かす際の事実上の標準ツールとして広く普及しました。Stable Diffusion本体の公開からわずか2週間後に登場し、Gradioフレームワ...

ComfyUIは2023年1月にcomfyanonymous氏(本名非公開)によりGitHubで公開されたStable Diffusion向けのノードベースUI実行環境です。WebUI型のAUTOMATIC1111とは異なり、画像生成パイプラインをグラフ構造で自由に組み立てる点が最大の特徴で、テキストエン...

Pika Labs(現Pika)はスタンフォード大学博士課程をドロップアウトしたDemi Guo氏とChenlin Meng氏が2023年4月に創業した動画生成AIスタートアップです。同年11月にPika 1.0を発表し、Discordベースの提供から始まりました。2023年12月にLightspeed Venture...

Runway(法人名Runway AI, Inc.)は2018年にCristóbal Valenzuela、Anastasis Germanidis、Alejandro Matamalaの3名がニューヨーク大学Tisch School of the Artsで創業した生成AIスタートアップです。映像制作者を主要顧客に据え、Green ScreenやInpainting...

Soraは2024年2月15日にOpenAIが研究プレビューとして発表したテキストto動画生成モデルで、最長60秒・1080p解像度の動画を一括生成できる点で業界に衝撃を与えました。Diffusion Transformer(DiT)を基盤に、動画を時空間パッチへ分解して学習するアーキテ...

MidjourneyはLeap MotionのCTOだったDavid Holzが2021年に立ち上げた独立系研究所で、同名の画像生成サービスは2022年7月にオープンβ版を開始しました。最大の特徴はDiscordをUIとして採用し、/imagineコマンドでプロンプトを送ると4枚のグリッド画像が返...

DALL·E(ダリ)は、OpenAIが2021年1月に発表したテキストから画像を生成するマルチモーダルAIです。シュルレアリスム画家サルバドール・ダリと、Pixarのロボット映画WALL·Eを掛け合わせた名前で、12億パラメータのGPT-3派生モデルとして登場しました。2022年...

AnnoyはApproximate Nearest Neighbors Oh Yeahの略で、Spotifyのエンジニアだったエリック・バーンハードソンが2013年に公開したオープンソースの近似最近傍探索ライブラリです。音楽レコメンドにおけるユーザ・楽曲埋め込みの近傍探索を高速化するために...

Vertex AIは2021年5月のGoogle I/Oで発表された、Google Cloudの機械学習統合プラットフォームである。それまでGCPに散在していたAI PlatformやAutoML、AI Hubといったプロダクトを一つの傘の下に再編し、データ取り込みからモデル学習、デプロイ、監視ま...