|
Gradioはリリース以来、毎月200万人以上のユーザーに利用され、AI開発エコシステムにおいて重要な役割を果たしています。簡潔なコードと直感的なインターフェースにより、複雑な機械学習モデルをユーザーフレンドリーなWebアプリケーションに容易に変換できるだけでなく、アプリケーションのセキュリティとアクセシビリティも確保できます。 Gradioチームは最近、最新の安定版であるGradio 5をリリースしました。リアルタイムアプリケーションとストリーミングメディアの大幅なアップグレードにより、レイテンシが低減し、よりスムーズな体験が実現しました。Gradio 5の技術的改善をより早く、より手軽に体験していただけるよう、hyper.aiの公式ウェブサイトでは、Gradioを使った人気のチュートリアルを2つ公開しています。これらのチュートリアルは、ワンクリックで複製できます。
オンラインで実行: https://go.hyper.ai/bSp3h
オンラインで実行: https://go.hyper.ai/njiHn 10月21日から10月25日までのhyper.ai公式ウェブサイトの更新の概要は次のとおりです。
公式サイトをご覧ください：hyper.ai 厳選された公開チュートリアル1. Depth Pro は 3D 深度マップをリアルタイムで生成します。 Depth Proは、オープンソースのゼロショットメトリック単眼深度推定モデルであり、単一の2D画像から高解像度の3D深度マップを高速に生成します。このモデルはわずか0.3秒で高速であるだけでなく、メトリックレベルの深度情報を提供し、真のワールドスケールの深度マップを生成します。このプロジェクトは、Gradoインターフェースを介してフロントエンドのインタラクティブインターフェースを提供しています。関連モデルと依存関係は既にデプロイされており、クローンを作成してすぐに使用できます。 オンラインで実行: https://go.hyper.ai/bSp3h
2. Pyramid Flowデモ：1分で超高精細ビデオを生成 Pyramid Flowは、オープンソースの超高精細動画生成モデルです。このモデルは、テキスト記述に基づいて、最大1280×768の解像度、24fpsのフレームレートで、最長10秒の高品質動画を生成できます。その中核技術は、ピラミッドストリームマッチングアルゴリズムです。このアルゴリズムは、動画生成プロセスを解像度の異なる複数の段階に分割することで、生成効率と品質を向上させます。チュートリアルに従ってコンテナを実行し、APIアドレスをコピーするだけで、超高精細動画を生成できます。 オンラインで実行: https://go.hyper.ai/njiHn
💡安定拡散チュートリアルのディスカッショングループも作成しました。WeChatでHyperaiを追加（WeChat ID: Hyperai01）し、メッセージに「SD Tutorial」と記載してグループに参加して、様々な技術的な問題について議論したり、アプリケーションの結果を共有したりしてください。 選択された公開データセット1. LoLI-Street 低照度画像拡張データセット このデータセットは、開発された都市の街路シーンから抽出された低照度画像と高露出画像の組み合わせ33,000枚で構成されており、物体検出のための19,000の物体カテゴリをカバーしています。また、低照度画像強調（LLIE）モデルを現実的な条件下でテストするための、実世界の低照度テスト画像1,000枚も含まれています。このデータセットは、物体検出、追跡、セグメンテーション、シーン理解など、多くのコンピュータービジョンタスクにとって不可欠です。この成果はACCV'24に採択されました。 直接使用する: https://go.hyper.ai/XD7kV
2. BC-Zロボット学習データセット このデータセットはゼロショットタスクの汎化をサポートし、ロボットが事前の経験なしに模倣学習を通じて新しいタスクを実行できるようにします。25,000以上の異なるタスクシナリオが含まれており、100種類の多様なタスクタイプをカバーしています。 直接使用する: https://go.hyper.ai/Lg1GC 3. 中国伝統絵画データセット このデータセットには、1,000枚のコンテンツ画像と100枚のスタイル画像が含まれています。コンテンツ画像は主に江南山脈、湖、河川、橋、建物などの実景を描写しており、中国の風景だけでなく、ライン川、アルプス山脈、イエローストーン、グランドキャニオンなどの景勝地も含まれています。 直接使用する: https://go.hyper.ai/wwZqs 4. OpenMathInstruct-2 数学教育チューニングデータセット このデータセットには1,400万の質問と回答のペアが含まれており、これは同種のデータセットとしては過去最大のものの約8倍に相当します。OpenMathInstruct-2を用いてLlama-3.1-8B-Baseモデルを微調整した結果、MATHデータセットのパフォーマンスはLlama3.1-8B-Instructと比較して15.9%向上しました（51.9%から67.8%）。 直接使用する: https://go.hyper.ai/fxskH
5. Omni-MATH 数学推論ベンチマークデータセット このデータセットには、オリンピックの準備レベルから、IMO (国際数学オリンピック)、IMC (国際数学コンテスト)、パトナム数学コンテストなどのトップレベルのオリンピック数学コンテストまで、33 のサブフィールドと 10 を超える難易度を網羅した、厳密に手動でラベル付けされた競技レベルの数学問題 4,428 個が含まれています。 直接使用する: https://go.hyper.ai/tYgfN 6. 推論ベース20k推論カーディナリティデータセット このデータセットは、人間と同じように複雑な問題について考え、それに応じて反応できる推論モデルを訓練するために設計されています。このデータセットには、科学、コーディング、数学など、様々な分野からの多様な質問が含まれており、それぞれに詳細な思考の連鎖（COT）と正解が含まれています。このデータセットの目標は、モデルが推論プロセスを学習・改善し、エラーを特定・修正し、高品質で詳細な回答を提供できるようにすることです。 直接使用する: https://go.hyper.ai/ssznB 7. 言語テーブルロボット言語ラベル軌跡データセット このデータセットには、約60万件の言語ラベル付き軌跡が含まれており、より高度で高性能、かつ自然言語対話型ロボットの開発を促進することを目的としています。数十万件の言語ラベル付き軌跡を含むデータセットで学習させることで、研究者らは、得られたポリシーが従来の10倍の指示を実行できることを発見しました。これにより、現実世界のエンドツーエンドの視聴覚運動スキルを記述することが可能になります。 直接使用する: https://go.hyper.ai/bUPXz 8. BridgeData V2 大規模ロボット学習データセット このデータセットは、スケーラブルなロボット学習研究を促進するために設計されており、24の異なる環境で収集された6万件以上のロボット軌跡が含まれています。ロボットの汎化能力を高めるため、研究者は様々な環境で広範なタスクデータを収集しました。それぞれの環境では、物体、カメラの位置、作業空間の位置が異なり、各軌跡にはロボットのタスクに対応する自然言語の指示が添付されています。 直接使用する: https://go.hyper.ai/eqcYW 9. RT-1 ロボットアクション実世界ロボットデータセット このデータセットはRT-1モデルの学習に使用されました。データセットでカバーされている高度なスキルには、物体の持ち上げと配置、引き出しの開閉、引き出しからの物の出し入れ、細長い物体の立て置き、物体の倒し方、ナプキンの引き抜き方、缶の開け方などがあり、様々な物体を扱う700以上のタスクを網羅しています。 直接使用する: https://go.hyper.ai/8ySHu 10. MedCalc-Bench医療計算データセット このデータセットには、10,055個のトレーニングインスタンスと1,047個のテストインスタンスが含まれており、55種類の計算タスクをカバーしています。各インスタンスには、患者のメモ、特定の臨床値を計算するための質問、最終的な解答値、そしてステップバイステップの解答が含まれています。MedCalc-Benchの目的は、医療現場における法学修士（LLM）の言語的および計算的推論能力を向上させることです。 直接使用する: https://go.hyper.ai/5bhzs その他の公開データセットについては、以下をご覧ください。 https://hyper.ai/datasets 厳選されたコミュニティ記事1. 日本の東北大学は、MITと共同で、944の材料データに基づいてGNNOptモデルを発表し、数百の太陽電池および量子候補材料を特定することに成功しました。 東北大学とMIT（マサチューセッツ工科大学）の研究者らは、新たな人工知能ツール「GNNOpt」を開発しました。このツールは、太陽エネルギー変換効率が32%を超える246種類の物質と、高い量子重みを持つ296種類の量子物質の特定に成功し、エネルギー物質および量子物質の発見を飛躍的に加速させました。本稿では、この研究論文の詳細な解説と概要をご紹介します。 レポート全文はこちら：https://go.hyper.ai/3uRDH 2. オフライン イベント | AI for Science 学術フォーラムが北京で開催され、上海交通大学、浙江大学、清華大学、OpenBayes などの機関の専門家が集まります。 2024年オープンソースAIフォーラム（AI for Science）が11月2日に開催されます！複数の大学の研究者が、医療健康、地理情報科学、時空間複雑系などの科学研究分野に焦点を当て、学術研究と産業応用のさまざまな視点から、技術の普及と産業発展のトレンド分析を深く掘り下げます。 イベントの詳細については、こちらをご覧ください：https://go.hyper.ai/MiQ1O 3. ECCV 2024に選出されました！浙江大学は、Microsoft Research Asiaと共同で、異種医療データの障壁を打ち破る統合医療画像事前トレーニングフレームワーク「UniMedI」を提案しました。 浙江大学は、Microsoft Research Asiaと共同で、画期的な統合型医用画像事前学習フレームワーク「UniMedI」を提案しました。診断レポートを共通のセマンティック空間として活用することで、異なるモダリティの医用画像に統一的な表現を構築し、2D画像と3D画像を統合することで、複雑な医療データのより効果的な活用を可能にします。本稿では、この論文の詳細な解説と概要をご紹介します。 完全なレポートを見る: https://go.hyper.ai/MXYTq 4. ノーベル賞およびチューリング賞受賞者が率いる CuspAI は、地球規模の気候変動の解決に専念するために 3,000 万ドルのシードラウンドを調達しました。 気候変動への懸念がますます深刻化する中、業界全体で世界規模の炭素削減キャンペーンが展開されています。AIを活用した炭素回収材料の探索に注力するCuspAIは、今年6月18日に3,000万ドル（約2億1,700万人民元）のシードラウンドを調達し、急成長を遂げました。これは、同年ヨーロッパで最大級のシードラウンドの一つとなりました。このスタートアップの魅力は何でしょうか？この記事を読めば、その答えが見つかるかもしれません。 レポート全文はこちら：https://go.hyper.ai/nErwd 人気のある百科事典の項目1. プーリング 2. 変分オートエンコーダー (VAE) 3. 量子ニューラルネットワーク (QNN) 4. 対応のあるt検定 5. データ拡張 この編集版には何百もの AI 関連用語が含まれており、「人工知能」を理解するのに役立ちます。 https://go.hyper.ai/wiki 11月締め切りのトップカンファレンストップ AI 学術会議を一か所で追跡: https://go.hyper.ai/event 今週のエディターズピックはこれで終了です。hyper.ai公式サイトに掲載してほしいリソースがありましたら、ぜひコメントを残していただくか、作品をご提出ください。 来週お会いしましょう！ HyperAI (hyper.ai) についてHyperAI（hyper.ai）は、中国を代表する人工知能（AI）および高性能コンピューティング（Hyper-Physical Computing）コミュニティです。中国のデータサイエンス分野のインフラ構築に尽力し、国内の開発者向けに豊富で高品質な公開リソースを提供しています。これまでに以下の実績があります。
公式ウェブサイトにアクセスして学習を始めましょう: https://hyper.ai |
最新バージョンのGrado 5を超高速で体験してください！200万人以上のユーザーが利用している、ACCV'24に選ばれたLoLI-Street低照度画像強化データセットが利用可能になりました。
関連するおすすめ記事
-
ライブ配信のお知らせ | ディープラーニングを活用し、AlphaFoldを上回る精度で生体分子とその相互作用の3D構造予測を実現
-
[vLLM Learning] CPUを使ったインストール
-
動的タンパク質ドッキング予測を実現！上海交通大学、星耀科技大学、中山大学などが共同で、幾何学的深度生成モデルDynamicBindを発表しました。
-
「DeepSeek は CUDA さえも凌駕した」という論文の詳細が再び白熱した議論を巻き起こし、エンジニアたちは「Nvidia の競争上の優位性は依然として健在なのか?」という鋭い疑問を投げかけている。
-
大人気！外灘サミットでディープフェイクでロボットを騙そうとしたけど…
-
チベット高原のデータ不足問題に取り組みます！浙江大学のチームが、チベット高原の地表熱流の分布を説明する新しいGeoAIモデルを提案しました。