AI モデル
DistilGPT2は、GPT-2から派生した、英語のテキスト生成モデルです。前身モデルよりも高速かつ軽量な代替手段を提供し、様々な創造的および補助的なライティングタスクに適しています。このモデルは事前学習済みで、Hugging Faceを通じて統合可能です。
ベスト AI モデル
324 件のツールAI モデルの最高の場を見つける — DistilGPT2やClaude Opusのような言語トランスフォーマーから、GPT-5.6: Frontier intelligenceやGoogle DeepMindのGemini 3.1 Proといった高度なシステムまで、開発者や研究者がプロジェクトを向上させるツールを探求する場です: 人間のようなテキストを生成したり、会話エージェントを構築したり、複雑なアルゴリズムを開発したり、AIの能力の限界を押し広げたりします。 AIモデルとLLM, 機械学習プラットフォーム, 科学的発見・ラボツール, コンピュータービジョンツール と 3Dモデル生成ツール などのカテゴリーにわたる 324 件のAI モデルをご覧ください。
324 tools
AI モデル
Claude Opusは、真剣なコーディングとAIエージェントのために設計されたハイブリッド推論モデルで、1Mのコンテキストウィンドウを備えています。生産準備が整ったコード、洗練されたAIエージェント、複雑な文書作成に優れており、要求の厳しいユースケースに最適です。
GPT-5.6は、さまざまなタスクにおける生産性と効率を向上させるために設計されたOpenAIの最新のAIモデルです。コストあたりのパフォーマンスが向上しており、ユーザーはより少ないリソースでより多くの成果を上げることができ、コーディング、知識作業、サイバーセキュリティなどの要求の厳しいワークフローに最適です。
Gemini 3.1 Proは、複雑なタスクと深い推論のために設計された高度なAIモデルです。マルチモーダル理解に優れ、スマートで簡潔な応答を提供し、学習、計画、革新的なアプリケーションの構築に最適です。
AI モデル
Grok 4.6は、長時間稼働するエージェントや野心的なインタラクティブおよびビジュアルタスクに焦点を当て、Grok 4.5の機能を強化します。複雑なプロジェクトに優れ、コーディングや知識作業においてパフォーマンスが向上しています。
AI モデル
Stability AIは、画像、ビデオ、オーディオ、3Dコンテンツを作成するためのオープンソース生成AIモデルのスイートを提供しています。これらの革新的なソリューションは、多様なアプリケーション向けの高度なAI機能を求めるクリエイターや企業に対応します。最先端のテクノロジーを今すぐ探索してください。
AI モデル
Qwen Studioは、チャットボット機能、画像および動画理解、画像生成、文書処理、ウェブ検索統合に優れた多用途のAIモデルを提供し、さまざまなアプリケーションにとって貴重なツールとなります。
GLM-5.3は、コーディングとサイバー能力のために設計された高度なAIモデルです。複雑なコーディングタスクと脆弱性発見において大幅な改善を提供し、開発者やセキュリティ専門家にとって強力なツールとなります。
AI モデル
Cohere Command は、エンタープライズ用途に設計されたスケーラブルなAI言語モデルファミリーです。実世界のAIエージェントアプリケーションにおいて高いパフォーマンスと精度を提供し、ビジネスワークフローの自動化、コンテンツ作成、セキュアなデプロイメントを可能にします。Command は、データに基づいたAIでチームを強化します。
ナノバナナプロは、スタジオ品質の精度と制御を持つ画像の作成と編集のために設計されたAIモデルです。高度な人工知能を活用して、高い詳細度と創造性の基準を満たすビジュアルを生成します。
GPT Image 2は、OpenAIによる高度な画像生成モデルで、高速かつ高品質な画像の作成と編集を目的としています。さまざまな画像サイズと高忠実度の入力をサポートしており、視覚コンテンツ作成の多様なアプリケーションに適しています。
AI モデル
FLUX.2は、Black Forest Labsによる次世代の画像生成技術で、AI生成画像の最先端の品質、速度、制御性を提供し、さまざまなクリエイティブアプリケーションに最適です。
AI モデル
Muse Glimmerは、消費者ハードウェア上での自律的なエージェントタスクのために設計された300億パラメータの因果言語モデルです。マルチステップ推論、信頼性の高いツール使用、マルチモーダル理解を統合し、クラウドに依存せずに効率的なローカル展開を可能にします。
AI モデル
Midjourney V8.2は、ユーザーがバージョンパラメータを使用して異なるバージョンを探索し、切り替えることを可能にするAIモデルです。美学、画像品質、パーソナライズに重点を置き、創造的な出力とユーザー体験を向上させます。
Kling 3.0は、テキスト、画像、参照を高品質なマルチモーダルコンテンツに変換する高度なAIビデオおよび画像生成器です。映画的な物語や強化された音声出力のためのツールを提供し、クリエイティブな専門家に最適です。
Runway Gen-4.5は、動きの質、プロンプトの遵守、時間的一貫性を向上させる高度なAI動画生成モデルです。すべての有料プランで利用可能で、クリエイターや開発者にとって強力なツールとなっています。
AI モデル
AI21は、精度、信頼性、スケーラビリティに重点を置いたエンタープライズグレードの基盤モデルとAIシステムを構築しています。同社のソリューションは、重要なビジネスワークフローを強化し、効率的なAIエージェントの開発と展開のためのインテリジェントなモデルルーティングや自動化されたハーネス最適化などの高度な機能を提供します。
Gemmaは、Geminiモデルを支えるのと同じ技術を基に構築された軽量でオープンなモデルのコレクションです。これにより、開発者はさまざまなプラットフォーム向けにAIアプリケーションを作成し、モバイルおよびIoTデバイスにおける効率と知性を向上させることができます。
AI モデル
Wanは、クリエイティブな作業への障壁を下げることを目的としたAIクリエイティブプラットフォームです。テキストから画像、画像から画像、テキストから動画、画像から動画、画像編集などの機能を提供し、ユーザーがアイデアを簡単に具現化できるようにします。
AI モデル
Mistral Large 3は、企業向けに設計された最先端のAIモデルで、AIアシスタントやエージェントのカスタマイズ、ファインチューニング、展開を可能にします。41Bのアクティブパラメータを持つスパースミクスチャーオブエキスパートアーキテクチャを特徴としており、マルチモーダルおよび多言語アプリケーションにおいて高度な機能を提供します。
Eleven v3は、70以上の言語でリアルな音声を生成する高度なAI音声モデルです。感情の深みや複数話者の制御を提供し、顧客体験やコンテンツ制作など、さまざまなアプリケーション向けに設計されています。
Suno v5.5は、Voices、Custom models、My Tasteなどの機能を通じて創造性を高め、ユーザーが自分の音楽的アイデンティティを表現できるAI音楽モデルです。初心者からプロのミュージシャンまで、音楽制作をより個人的で魅力的なものにします。
Genie 3は、シンプルなテキスト記述からフォトリアルな環境を生成する画期的なAIモデルです。ユーザーはこれらのインタラクティブな世界をリアルタイムで探索でき、エージェントのトレーニングや教育シミュレーションなど、さまざまなアプリケーションにおいて強力なツールとなります。
NVIDIA Nemotron 3 Ultraは、複雑な推論と多言語タスクのために設計された強力なAIモデルです。5500億のパラメータを持ち、長文コンテキスト分析とツール使用に優れており、さまざまな業界での高リスクアプリケーションに最適です。
AI モデル
gpt-ossには、強力なパフォーマンスと効率的な展開のために設計された2つのオープンウェイト言語モデル、gpt-oss-120bとgpt-oss-20bが含まれています。これらはApache 2.0ライセンスの下で利用可能で、さまざまなアプリケーションにアクセスできるようにし、安全性とカスタマイズを確保しています。
AI モデル
Muse Spark 1.2は、実際のコーディングワークフローに最適化されたAIモデルで、初回の正確性が高く、信頼性のあるツール呼び出しを提供します。1Mトークンのコンテキストを持ち、効率的な統合を求める開発者に適したコーディング能力を向上させるように設計されています。
Amazon Novaは、企業規模のアプリケーション向けに設計された基盤モデルとサービスのスイートで、高いパフォーマンスとマルチモーダル機能を提供します。これにより、組織は安全で責任あるAIの使用を確保しながら、革新を促進できます。
AI モデル
MiniMax-M2.5は、コーディング、オフィス作業、エージェントツールの使用のために設計された高度なAIモデルです。効率性とコスト効果に優れ、さまざまな業界での革新的なアプリケーションを可能にします。
AI モデル
Mistral Small 4は、推論、コーディング、マルチモーダル機能を1つのプラットフォームに統合した多用途のAIモデルです。ユーザーはAIアシスタントやエージェントを効率的にカスタマイズ、ファインチューニング、展開できるため、さまざまな企業アプリケーションに最適です。
AI モデル
Command A+ は、複雑な推論、視覚、48 言語にわたる多言語タスクのために設計された、25B のアクティブパラメータと 218B の総パラメータを持つ専門家の混合モデルです。企業向けに効率的で正確なソリューションを提供します。
AI モデル
ERNIE 5.1は、パフォーマンスに優れ、事前トレーニングコストを最小限に抑えた最先端のAIモデルです。エージェントの能力、推論、創造性において重要な進展を提供し、AI分野での有力な候補となっています。
Gemini Omniは、Google DeepMindによって開発されたAIモデルで、ユーザーが自然な会話を通じて動画を作成および編集できるようにします。推論と創造的な能力を組み合わせ、ユーザーが任意の入力を一貫した動画出力に変換できるようにします。
AI モデル
Imagenは、Google DeepMindによって開発された最先端のテキストから画像へのAIモデルです。卓越した明瞭さと速度でフォトリアリスティックな画像を生成し、ユーザーが詳細なプロンプトを通じて想像力豊かなビジョンを具現化することを可能にします。
AI モデル
Qwen-Imageは、複雑なテキストレンダリングと正確な画像編集に優れた高度な画像生成基盤モデルです。さまざまな芸術スタイルをサポートし、高度な編集機能を提供するため、アーティストやデザイナーにとって多用途なツールとなっています。
AI モデル
Ideogram 4.0は、さまざまなアプリケーション向けに設計された高度なAIモデルです。プロジェクトにAI技術を活用し、さまざまな分野での効率と生産性を向上させるための強力な機能を提供します。
Stable Diffusion 3.5は、テキストから画像を生成するために設計されたマルチモーダル拡散トランスフォーマーモデルです。画像の品質、タイポグラフィ、プロンプトの理解を向上させつつ、リソース効率が高く、さまざまなクリエイティブアプリケーションに適しています。
AI モデル
Ray3.2は、創造的な意図をスケーラブルなビデオワークフローに変換する多用途なAIビデオモデルです。Modify Video、image2video、text2video、Reframeを含む複数のワークフローにわたって、制御、連続性、映画的な指示を強化します。
AI モデル
LTX-2は、同期したビデオとオーディオを生成するために設計されたDiTベースのオーディオビデオ基盤モデルです。最新のビデオ生成技術とオープンウェイトを組み合わせており、さまざまなアプリケーションに対して実用的なローカル実行を可能にします。
MiniMax Hailuo 2.3は、複雑なビデオパフォーマンスとメディアタスクのために設計された高度なAIモデルです。マルチモーダル機能を備え、メディアとテクノロジーの幅広いアプリケーションに適したユーザー体験の向上を目指しています。
Cosmos 3は、NVIDIAが開発した高度なAIモデルで、人工知能、高性能コンピューティング、ロボティクスにおけるさまざまなアプリケーションを強化するために設計されています。NVIDIAのGPU技術を活用して、強力な計算能力を提供します。
AI モデル
マーブルは、ユーザーが没入型の3Dワールドを作成し、共有できるプラットフォームです。詳細な環境を構築するためのツールを提供し、3Dビジュアルでプロジェクトを強化したいクリエイターや開発者に最適です。
AlphaFold 3は、Google DeepMindによって開発されたAIモデルで、タンパク質の構造と相互作用を予測し、生物学的研究と分子相互作用の理解を大幅に加速します。
AI モデル
SAM 3は、ユーザーがテキストとビジュアルプロンプトを利用して、画像や動画内のオブジェクトを正確に特定、セグメント化、追跡できるようにします。近日中にMeta AIアプリのInstagram EditsおよびVibesで利用可能になり、ユーザーの動画制作を向上させます。
AI モデル
Lyria 3.5は、Google DeepMindによる高度な音楽生成モデルで、ユーザーが簡単に曲を作曲できるよう支援します。技術的なコントロールを提供し、さまざまなジャンルのトラックを作成できるため、音楽制作がアクセスしやすく革新的になります。
ソニックは、44言語で表現力豊かな声を生成するCartesiaのリアルタイムテキスト読み上げAPIです。AIエージェントやインタラクティブアプリケーション向けに設計されており、低遅延と高品質な音声合成を提供します。
AI モデル
セサミCSMは、テキストと音声入力からオーディオコードを生成する会話型スピーチモデルです。Llamaバックボーンを利用しており、研究および教育目的のために設計されており、AI技術の責任ある使用を促進します。
AI モデル
IBMグラニットは、ビジネス向けに設計されたオープンで信頼できるAIモデルのファミリーであり、効率的な言語、ビジョン、音声、ガードレールモデルを提供し、企業のニーズに合わせてカスタマイズおよび展開できます。
インクリングは、開発者向けに設計された975BパラメータのマルチモーダルAIモデルです。テキスト、画像、音声入力を受け付け、チャットボットやコーディングアシスタントなどのさまざまなアプリケーション向けにテキスト出力を生成します。オープンウェイトでリリースされており、研究やサードパーティ製品への統合をサポートします。
Vidu Q3は、ネイティブオーディオを使用してビデオを生成するAIビデオモデルで、シームレスなストーリーテリングを可能にします。より速いモーション品質と強力なプロンプト制御を提供し、さまざまな業界のクリエイターやチームに最適です。
HunyuanImage 3.0は、画像生成のために設計された強力なネイティブマルチモーダルモデルです。テキストから画像、画像から画像へのタスクの両方に優れた能力を発揮し、創造的な編集やインテリジェントなプロンプトの強化に向けた高度な機能を提供します。
AI モデル
Olmo from Ai2は、高度なAI研究とアプリケーションのために設計された完全にオープンな言語モデルです。プログラミング、推論、対話に最適化されたさまざまなモデルバリアントを提供し、開発者や研究者に対して透明性とアクセス可能性を確保します。
Phi-4-reasoning-vision-15Bは、Microsoftによって開発されたマルチモーダルAIモデルで、視覚と言語の理解および推論能力を必要とするタスクに設計されています。科学的推論やコンピュータ使用エージェントタスクに優れており、さまざまなアプリケーションに適しています。
AI モデル
ESMFold2は、アミノ酸配列から高解像度の全原子3Dタンパク質構造を予測します。単一配列およびMSA条件付きモデルへのオープンアクセスを提供し、難しいターゲットに対する精度を向上させます。
NVIDIA アイザック GR00T N1.7 は、人型ロボットの推論とスキルのために設計されたオープンな基盤モデルです。マルチモーダル入力を処理して操作タスクを実行し、開発者が特定のアプリケーションに向けてモデルをポストトレーニングできるようにします。
AI モデル
Falcon-H1R-7Bは、数学、プログラミング、論理タスクにおけるパフォーマンスを向上させるために設計された推論専門のAIモデルです。テクノロジーイノベーション研究所によって開発され、効率的な推論とテスト時のスケーリングのためにハイブリッドアーキテクチャを利用しています。
AI モデル
OpenAIは、最先端の人工知能（AI）研究開発および展開を行うリーディングカンパニーです。多様なアプリケーションで利用可能な高度なAIモデルの開発に注力しており、汎用人工知能（AGI）が全人類に利益をもたらすことを目指しています。
AI モデル
AudioGenは、説明的なテキストキャプションに基づいてオーディオサンプルを作成する自己回帰型生成AIモデルです。ソースの分離、実世界のノイズの処理、テキストアノテーションの不足といったオーディオ生成における課題に対処します。このモデルは、高忠実度の出力を実現するために、学習済みの離散オーディオ表現上で動作します。
AI モデル
OPT-175Bは、Meta AIが研究コミュニティ向けに公開した1750億パラメータの大規模言語モデルです。これにより、大規模言語モデルへのアクセスが可能になり、NLP研究の深い理解と進歩を促進します。責任ある開発とバイアスの軽減に重点を置いています。
AI モデル
Gatoは、Google DeepMindが開発した単一の汎用AIエージェントです。Atariゲームのプレイ、画像へのキャプション付け、チャット、実際のロボットアームの制御など、幅広いタスクを実行できます。このマルチモーダルエージェントは、Transformerニューラルネットワークを使用して多様なデータ入力を処理し、適切な出力を生成します。
NeRF、またはニューラル・ラディアンス・フィールドは、連続的な体積シーン関数を最適化することで、複雑なシーンの新しいビューを合成します。入力ビューの疎なセットを使用してディープネットワークでシーンを表現し、密度と視点依存の放射輝度を出力します。この手法は、ニューラルレンダリングとビュー合成において最先端の結果を達成しています。
DETRは、Transformerをコアコンポーネントとして統合した、エンドツーエンドの物体検出およびパノプティックセグメンテーションフレームワークです。アーキテクチャを簡素化し、直接的に物体セットを予測し、COCOのような挑戦的なデータセットで最先端のパフォーマンスを達成し、コンピュータビジョンタスクに対してより柔軟で合理化されたアプローチを提供します。
AI モデル
Metaのエンジニアリングチームの公式ブログであるEngineering at Metaは、彼らの仕事に関する洞察を共有しています。AI、データインフラストラクチャ、開発ツールなどを網羅しています。このサイトでは、さまざまな拠点で利用可能なエンジニアリング職も掲載しており、同社の技術部門におけるキャリア機会を垣間見ることができます。
AI モデル
Densenetは、PyTorchで利用可能なディープ畳み込みニューラルネットワークアーキテクチャです。各層をフィードフォワード方式で他のすべての層に接続することで、特徴伝播と再利用を強化します。このモデルはImageNetで事前学習済みであり、画像分類タスク向けにdensenet121、densenet169、densenet201、densenet161…
MobileNetsは、TensorFlow向けのモバイルファーストなコンピュータビジョンモデルファミリーであり、効率的なオンデバイスまたは組み込みアプリケーション向けに設計されています。計算量、電力、スペースを最小限に抑えながら精度を最大化するため、インターネット接続なしでのリアルタイム視覚認識に最適です。
AI モデル
SqueezeNetは、PyTorchで利用可能なディープ畳み込みニューラルネットワークモデルです。AlexNetと同等の精度を、はるかに少ないパラメータ数と小さいモデルサイズで実現しており、様々なコンピュータビジョンタスクに効率的です。このモデルはImageNetで事前学習済みであり、PyTorchプロジェクトに簡単に統合できます。
AI モデル
Xceptionは、Keras 3 APIを通じて利用可能な深層学習モデルです。Keras Applicationsの一部として、様々なコンピュータビジョンタスク向けの事前学習済みモデルを提供します。Xceptionは画像分類および関連アプリケーション向けに設計されており、高度なAIシステムの構築のための堅牢な基盤を提供します。
人工ニューラルネットワークの内部構造をInceptionismで探求します。この技術は、入力画像を強化して学習済み特徴を明らかにし、AIモデルの理解とデバッグを支援することで、ネットワーク層を可視化します。創造的な画像生成とAIの知覚に関するより深い洞察を可能にします。
AI モデル
NVIDIAはAIコンピューティングをリードし、GPU、AIインフラストラクチャ、エージェンティックAIの進歩を推進しています。最先端モデルのトレーニング、データセンターAIファクトリー、自律システム向けのソリューションを提供し、イノベーションと開発加速のための強力なAIツールとプラットフォームで産業界に力を与えています。
AI モデル
Transfo-XL-WT103は、相対位置埋め込みを備えた因果的トランスフォーマーモデルであり、より長いコンテキストのために隠れ状態を再利用できます。Zihang Daiらによって開発され、入出力にアダプティブソフトマックスを使用しています。このモデルはテキスト生成タスクに適しており、Wikitext-103データセットでトレーニングされました。
AI モデル
MusicLMは、テキストの説明から高忠実度の音楽を生成するAIモデルです。最大24kHzの音楽を数分間一貫して生成でき、オーディオ品質とテキストへの忠実度において従来のシステムを上回ります。メロディーによる条件付けもサポートしています。
AI モデル
Jukeboxは、生のオーディオとして、初歩的な歌声を含む音楽を生成するニューラルネットワークです。様々なジャンルやアーティストのスタイルで楽曲を生成でき、AIによる音楽制作に新しいアプローチを提供します。モデルの重みとコード、生成されたサンプルを探索するためのツールが公開されています。
AI モデル
Google DeepMind は、Gopher のような大規模言語モデルの研究を進め、その能力、倫理的考慮事項、効率的なトレーニングに焦点を当てています。研究には、2800億パラメータのモデル、リスク評価、予測と追跡可能性の向上を目的とした検索拡張アーキテクチャが含まれます。目標は、AI を安全かつ有益に進歩させることです。
This research empirically analyzes the optimal trade-off between model size and training data for large language models given a fixed compute budget. It reveals that current large…
AI モデル
OpenAI Codexは、自然言語をコードに変換するAIシステムです。簡単なコマンドを解釈して実行し、アプリケーションの自然言語インターフェースの構築を可能にします。複数のプログラミング言語に精通しており、問題を既存のコードにマッピングすることに優れています。
AI モデル
AlphaCodeは、Google DeepMindが開発した、競技レベルでコンピュータプログラムを作成するAIシステムです。プログラミングコンテスト参加者の上位54%に入る推定ランクを達成し、複雑なコーディング課題に対する革新的なソリューション生成を通じて、高度な問題解決能力を示しました。
Partiは、高忠実度でフォトリアルな画像を生成する自己回帰型テキスト画像生成モデルです。画像生成をシーケンス・ツー・シーケンスの問題として扱い、大規模言語モデルの進歩を活用して複雑な構図と世界の知識合成を実現します。Partiは、詳細なディテールとインタラクションを伴うコンテンツリッチな合成をサポートします。
AI モデル
LaMDAは、Googleが開発した画期的な対話型AIモデルで、幅広いトピックについて自由な対話を行うように設計されています。Transformerアーキテクチャを基盤とし、対話データに特化してトレーニングされているため、妥当性や具体性といったニュアンスを理解し、より自然な人間とコンピューターの対話や新しいアプリケーションカテゴリを可能にします。
AI モデル
Google AI Blog アーカイブは、Googleの人工知能（AI）研究および開発に関する投稿の歴史的なリポジトリとして機能します。ユーザーは過去の発表、洞察、AI技術に関する最新情報を参照でき、長年にわたるGoogleの同分野への貢献を包括的に確認できます。アーカイブは、アクセスを容易にするために年と月ごとに整理されています。
AI モデル
InstructGPTモデルは、GPT-3よりもユーザーの意図をより良く理解するように訓練されたAI言語モデルです。人間からのフィードバックによる強化学習により、より真実味があり、毒性が低く、ユーザーの目標に沿ったものとなっており、現在OpenAIのAPIで利用可能です。
AI モデル
DreamFusionは、テキスト記述から3Dオブジェクトを生成するAIモデルです。事前学習済みの2D拡散モデルを活用し、3Dトレーニングデータを必要とせずに、Neural Radiance Fields（NeRF）のような再照明可能な3Dアセットを作成します。これにより、多様なテキストプロンプトに対して、高忠実度の外観、深度、法線を実現できます。
AI モデル
Point EはOpenAIが開発したAIモデルで、Hugging Face Spacesでホストされています。テキストプロンプトから3Dポイントクラウドを生成することに特化しています。このツールにより、ユーザーはAI駆動の3Dコンテンツ作成を探求でき、空間データにおける生成AIの能力を垣間見ることができます。
AI モデル
Diffuse The Restは、Stable Diffusionモデルを使用してテキストの説明から画像を生成するHugging Face Spaceです。見たいものを入力するだけで、AIが一致する画像を作成します。生成された画像は、すぐに表示、ダウンロード、または共有できます。
AI モデル
Graph Attention Networks (GATs) は、グラフ構造化データ向けに設計された新しいニューラルネットワークアーキテクチャです。マスクされた自己注意機構レイヤーを活用し、従来のグラフ畳み込み手法の限界に対処することで、ソーシャルネットワークや分子データのような不規則な空間構造に対して原理的な操作を可能にします。
グラフ畳み込みネットワーク（GCN）は、グラフ構造のデータを処理するために設計されたニューラルネットワークの一種です。畳み込みニューラルネットワークをグラフ構造データに一般化し、半教師あり学習やグラフ埋め込みにおける強力な応用を可能にします。このモデルは、複雑なネットワークデータの分析に新しいアプローチを提供します。
AI モデル
FaceNetは、FaceNet論文に基づいた顔認識およびクラスタリングのためのTensorFlow実装です。ディープラーニングモデルを活用して顔の統一された埋め込みを生成し、正確な識別とグループ化を可能にします。このプロジェクトは、事前学習済みモデルとカスタム分類器をトレーニングするためのコードを提供します。
AI モデル
Longformer Base 4096 は、長文ドキュメントの処理に特化したTransformerモデルです。RoBERTaをベースとし、最大4,096トークンの拡張シーケンスで事前学習されています。このモデルは、スライディングウィンドウとグローバルアテンションを組み合わせたハイブリッドアテンションメカニズムを採用し、効率的な長文理解とタスク固有の表現学習…
BigBirdベースモデルは、ブロック疎行列アテンションを使用して、はるかに長いシーケンスを処理できるように拡張されたBERTのTransformerです。マスク言語モデリングのために英語テキストで事前学習されており、最大4096トークンのシーケンスを効率的に処理でき、長文タスクで最先端の結果を達成しています。
AI モデル
NVIDIA Technical Blogは、AI、HPC、アクセラレーテッド・コンピューティングに関する洞察を提供します。最先端の研究、開発者ツール、業界トレンドに関する記事が掲載されています。このリソースは、理解を深め、NVIDIAテクノロジーを活用してイノベーションを推進したいプロフェッショナル向けです。
AI モデル
RAG（Retrieval-Augmented Generation）は、事前学習済み言語モデルと外部データソースを組み合わせたものです。関連するパッセージを取得して生成を条件付け、事実の正確性を向上させ、モデル全体の再学習なしでの知識更新を可能にします。このアプローチは、パラメトリックメモリと非パラメトリックメモリを統合することで、応答の質を向上させます。
AI モデル
SimCLRは、視覚的表現の自己教師あり学習および半教師あり学習のためのフレームワークです。同じ画像の異なる変換ビュー間の合意を最大化するためにコントラスティブ学習を利用することで、以前のアプローチを簡素化し、ラベル付きデータが限られている画像分類タスクで最先端のパフォーマンスを実現します。
AI モデル
DeepMindは、AIの最先端を推進することに焦点を当てた、主要な人工知能研究機関です。彼らは最先端のAIモデルとシステムを開発し、様々な科学技術分野で機械が達成できることの限界を押し広げています。その活動は、複雑な問題を解決し、新たな可能性を切り開くことを目指しています。
AI モデル
Phi-2は、Microsoft Researchが開発した27億パラメータの言語モデルです。130億パラメータ未満のモデルの中で最先端のパフォーマンスを示し、優れた推論能力と自然言語理解能力を備えています。Phi-2は、最大25倍大きいモデルと同等またはそれ以上の性能を複雑なベンチマークで達成しており、研究や実験に最適です。
AI モデル
ControlNetは、条件付き制御を追加することで拡散モデルを強化し、ユーザーが特定の入力で画像生成をガイドできるようにします。事前学習済みモデルを破壊することなくファインチューニングが可能で、個人用デバイスに適しており、モデルのマージや置換における柔軟性を提供します。
このAIモデルは、ImageNet分類用に訓練された大規模で深い畳み込みニューラルネットワークの詳細を示しています。テストデータにおいて、トップ1エラー率39.7%、トップ5エラー率18.9%という最先端の結果を達成し、5つの畳み込み層と2つの全結合層にわたる6000万個のパラメータと50万個のニューロンを利用しました。
AI モデル
このGitHubリポジトリは、PyTorchを使用したDeep Convolutional Generative Adversarial Networks（DCGAN）のサンプル実装を提供します。LSUNなどのデータセットでモデルをトレーニングし、カスタマイズオプションやGPUアクセラレーションを使用してリアルな画像を生成できます。コードには、データセットの…
AI モデル
この記事は、Wasserstein GAN (WGAN) の論文を深く解説し、その複雑な理論をより分かりやすく説明します。論文の重要性、理論的根拠、および経験的結果を詳細に説明し、生成モデルのGANトレーニングと評価指標の改善に関する洞察を提供します。
本研究では、敵対的生成ネットワーク（GAN）の新しい学習手法を提案します。低解像度から開始し、より詳細な情報を捉えるために層を追加していくことで、ジェネレーターとディスクリミネーターの両方を段階的に成長させます。このアプローチにより、学習が大幅に高速化され、安定性が向上し、品質と多様性が改善された高解像度画像が生成されます。
AI モデル
StyleGAN3は、生成器内の信号処理を全面的に見直すことで、エイリアシングのない（alias-free）敵対的生成ネットワークを導入します。この革新により、「テクスチャスティッキング」が解消され、ビデオやアニメーションのより一貫性のある合成が可能になります。このモデルはStyleGAN2のFIDを達成しつつ、サブピクセルスケールでも平行移動と回転に対して…
Google DeepMindの出版物アーカイブは、最先端のAI研究を紹介しています。AIの意識や安全性から高度なビジョンおよび言語モデルまで、複雑な課題に関する最新の研究をご覧ください。強化学習、生成AI、マルチエージェントシステムなどの分野におけるブレークスルーを発見してください。
AI モデル
GitHub PagesはGitHubが提供する静的サイトホスティングサービスです。GitHubリポジトリから直接ウェブサイトを公開できます。プロジェクトドキュメント、個人ポートフォリオ、シンプルなウェブアプリケーションに最適で、バージョン管理されたWebコンテンツを簡単にデプロイできます。
AI モデル
このAIモデル研究論文は、敵対的生成ネットワーク（GAN）の近似および収束の性質を探求します。識別器ファミリーの制限が近似の質にどのように影響するか、そして目的関数の収束が分布収束につながるのはいつか、といった基本的な問題に取り組みます。本研究では、統一的な分析のために敵対的ダイバージェンスを導入します。
Graphormerは、分子モデリングタスク向けの深層学習パッケージであり、材料および創薬研究を加速します。分子動力学と物性予測をサポートし、将来的には反応予測や大規模分子モデリングの機能拡張も予定されています。グラフレベルの予測タスクにおいて、従来のグラフニューラルネットワークを上回る性能を発揮します。
AI モデル
reCAPTCHAは、ウェブサイトを自動ボットや悪意のあるトラフィックから保護するために設計されたセキュリティ対策です。ウェブページへのアクセスを許可する前にユーザーが人間であることを検証し、ユーザーとウェブサイト管理者の両方にとってより安全なオンライン体験を保証します。このシステムは、ウェブサイトの整合性を維持し、不正利用を防ぐのに役立ちます。
AI モデル
UL2 20Bは、様々な言語モデリングパラダイムを統合するオープンソースの統一言語学習モデルです。デノイザーの混合によるデノイジングタスクとして目的をフレーム化することで、ファインチューニングおよび少数ショット学習タスク全体のパフォーマンスを向上させ、言語モデルトレーニングへのバランスの取れたアプローチを提供します。
AI モデル
FLAN-T5は、多様なタスクの混合で特にファインチューニングされたT5言語モデルの強化版です。追加のファインチューニングなしでパフォーマンスが向上しており、様々な自然言語処理アプリケーションですぐに使用できます。複数のサイズで提供されており、さまざまな計算ニーズに対応できます。
AI モデル
PaLM-Eは、実世界の連続的なセンサーデータをテキストと統合する、具現化されたマルチモーダル言語モデルです。これにより、ロボットは言語を知覚に結びつけることで複雑なタスクを実行できるようになり、高度な推論と計画のために多様なトレーニングドメインと具現化にわたるポジティブな転移を示します。
This framework introduces a novel active learning method for enriching large 3D shape datasets with semantic region annotations. It efficiently combines manual annotation,…
AI モデル
DGCNNは、Dynamic Graph CNNを実装した点群学習用AIモデルです。分類やセグメンテーションなどの3D点群データ処理タスクで最先端の性能を達成しています。PyTorch実装が利用可能で、実世界のシナリオにも応用されています。
AI モデル
MMAction2は、アクション認識およびビデオ理解タスクのための基盤となるライブラリです。PyTorch上に構築され、OpenMMLabエコシステムと統合されており、最先端のビデオ分析モデルの開発とデプロイのための包括的なツールキットを提供します。このドキュメントには、チュートリアル、APIリファレンス、およびプロジェクト情報が含まれています。
AI モデル
Wav2vec 2.0は、自動音声認識のための自己教師あり学習アルゴリズムです。生の音声から学習し、高い精度を達成するために最小限の書き起こしデータしか必要としません。これにより、広範なラベル付きデータセットへの依存を減らし、より多くの言語、方言、ドメインでの音声認識が可能になります。
AI モデル
AudioLMは、長期的な一貫性を持つ高品質なオーディオを生成するAIモデルです。オーディオ生成を言語モデリングタスクとして扱い、オーディオを離散トークンにマッピングします。このフレームワークは、未知のスピーカーやスタイルに対しても、音声や音楽の自然で一貫性のある継続を生成することに優れています。
AI モデル
Jiasen Luは、Allen Institute for AIの研究科学者です。彼の研究は人工知能の研究を進歩させることに焦点を当てています。このページは、彼の専門的なプロフィールや研究活動へのリンクを提供する個人ホームページとして機能します。AI分野への彼の貢献を発見するための中心的な場所です。
AI モデル
このリストは、見つからなかった GitHub Pages サイトを参照しています。指定されたドメインにアクティブな GitHub Pages サイトが存在しないことを示しています。サイトを公開しようとしているユーザーは、セットアップ手順について GitHub Pages のドキュメントを参照するように案内されます。
ALIGNは、10億以上の画像とaltテキストのペアから得られるノイズの多いテキスト監視を使用して、視覚および視覚言語表現学習をスケーリングするAIモデルです。クロスモーダル検索および視覚のみのタスクで最先端の結果を達成し、ゼロショット分類およびマルチモーダル検索を可能にします。
AI モデル
DALL·Eは、テキストの説明から画像を生成するAIモデルです。幅広い視覚的コンセプトを作成したり、無関係なアイデアを組み合わせたり、テキストをレンダリングしたり、既存の画像を変換したりすることができ、自然言語プロンプトを視覚化する新しい方法を提供します。
Flamingoは、Google DeepMindが開発した単一のビジュアル言語モデル（VLM）であり、多様なマルチモーダルタスクにおける少数の例からの学習（few-shot learning）に優れています。画像、動画、テキストが混在した入力を処理し、関連する言語出力を生成します。追加のトレーニングなしで、タスク固有の例を最小限で済ませることができます。
AI モデル
Google AI Blogは、Googleの人工知能分野における発表、研究アップデート、および洞察を集約した中心的なハブです。機械学習のブレークスルーから実用的な応用まで、幅広いAIトピックを網羅し、AI開発の未来とその社会への影響を垣間見ることができます。最新のAI情報を探求しましょう。
AI モデル
BEiTは、マスク画像モデリングを用いてビジョントランスフォーマーを事前学習する自己教師あり学習の視覚表現モデルです。画像を視覚トークンにトークン化し、マスクされたパッチを復元することで、画像分類やセマンティックセグメンテーションなどの下流タスクで競争力のある結果を達成します。
AI モデル
ACM Digital Libraryは、コンピューティング分野の広範な学術論文、会議議事録、ジャーナルへのアクセスを提供する包括的なリサーチポータルです。コンピュータサイエンスおよびエンジニアリングにおける深い知識と最新の進歩を求める研究者、学生、専門家にとって重要なリソースとなっています。このプラットフォームは、その広範なアーカイブを通じて、発見と学習を…
AI モデル
SchNetPackは、原子系のための深層学習ライブラリです。ニューラルネットワークポテンシャルの構築とトレーニングのための柔軟なフレームワークを提供し、研究者が高度なAIモデルを使用してシミュレーションを実行し、分子特性を分析できるようにします。ドキュメントはRead the Docsでホストされています。
AI モデル
Variational Autoencoders (VAEs) は、潜在空間表現に対する確率論的なアプローチを提供します。標準的なオートエンコーダーとは異なり、VAE は観測値を確率分布にエンコードし、より滑らかな潜在空間と生成能力を可能にします。これにより、よりニュアンスのあるデータ表現と再構築が可能になります。
AI モデル
Meta AIは、オープンな研究とアクセスしやすいツールを通じて人工知能を進歩させることに焦点を当てた研究イニシアチブです。人々と彼らが関心を持つものを繋ぎ、新しい体験を可能にすることを目的としています。現在のページはエラーが発生しており、製品、研究、リソースへのアクセスを妨げています。
Reformerは、広範なシーケンシャルデータを処理するためにTransformerアーキテクチャを強化するAIモデルです。アテンションメカニズムとメモリ割り当ての制限に対処し、16GBのメモリを搭載した単一のアクセラレータで最大100万語のコンテキストウィンドウを可能にします。
AI モデル
AlphaDevは、強化学習を用いて改良されたコンピュータサイエンスアルゴリズムを発見するAIシステムです。より高速なソートおよびハッシュアルゴリズムを特定し、人間が開発した手法を凌駕して、より効率的で持続可能なコンピューティングに貢献しています。これらのアルゴリズムは現在オープンソース化されています。
AI モデル
ImageBindは、Meta AIが開発したマルチモーダルAIモデルであり、画像、動画、音声、テキスト、深度、熱の6つのモダリティからのデータを結合します。明示的な教師なしで単一の埋め込み空間を学習し、AIシステムにおける高度なクロスモーダル理解と生成を可能にします。
AI モデル
Intern Large Models（InternLM）は、Shanghai AI Laboratoryが開発したオープンソースのLLMおよびMLLMを提供します。そのスイートには、InternVLやInternLM-XComposerなどのモデルに加え、ファインチューニング用のXTunerやデプロイ用のLMDeployを含む開発およびアプリケーション用の…
AI モデル
通义实验室 (Meet Tongyi) は、Alibaba Cloud の Tongyi Qianwen 大規模言語モデルの公式ウェブサイトです。モデルの全ラインナップ、最新の業界ニュース、最先端のアプリケーションを紹介し、自然言語処理、テキスト生成、視覚理解における能力を包括的に概観します。
Zephyr-7B-βは、Direct Preference Optimization（DPO）を用いてMistral-7B-v0.1からファインチューニングされたオープンソース言語モデルです。MT-BenchおよびAlpacaEvalベンチマークで高い性能を示し、チャットアプリケーションに適した有益なアシスタントとして優れています。
AI モデル
VideoPoetは、Google Researchが開発した、ゼロショットビデオ生成が可能な大規模言語モデルです。オートリグレッシブ言語モデルを高品質なビデオジェネレーターに変換し、テキストからビデオ、ビデオからオーディオ、および様々な編集タスクを、印象的な時間的整合性とモーション忠実度でサポートします。
AI モデル
Lumiereは、Google Researchが開発した時空間拡散モデルであり、リアルで多様かつ一貫性のある動画生成を実現します。単一のパスで動画全体の長さを合成できるため、高度なテキストから動画への変換、画像から動画への変換、動画インペインティング、スタイル化された生成タスクを、印象的な時間的整合性をもって実行できます。
Fuyu-8Bは、デジタルエージェント向けに設計されたオープンソースのマルチモーダルAIモデルです。そのシンプルなアーキテクチャは、任意の画像解像度をサポートし、グラフ、図、UI要素に関する質問に高速に応答することを可能にします。標準的なベンチマークで高い性能を発揮し、HuggingFaceで利用可能です。
IDEFICSは、最先端の機能を再現するオープンアクセス可能なビジュアル言語モデルです。画像とテキストのインターリーブ入力を受け付け、テキスト出力を生成し、Flamingoのようなプロプライエタリモデルに匹敵します。9Bおよび80Bのパラメータサイズで利用可能で、マルチモーダルAIの研究開発をサポートします。
AI モデル
MiniGPT-4は、凍結されたビジュアルエンコーダーと大規模言語モデルを連携させることで、視覚と言語の理解を強化するAIモデルです。詳細な画像説明の生成、ドラフトからのウェブサイト作成、画像に触発された物語の執筆、視覚的な問題の解決など、高度なマルチモーダル能力を発揮します。
AI モデル
LLaVAは、汎用的な視覚と言語の理解のために、ビジョンエンコーダーと言語モデルを組み合わせた大規模マルチモーダルモデルです。マルチモーダルチャット機能に優れ、GPT-4を模倣し、視覚的指示チューニングを通じてScience QAのようなベンチマークで最先端の精度を達成しています。
AI モデル
Mambaは、特に言語のような情報密度の高いデータに対して効果的な、効率的なシーケンスモデリングのために設計された新しい状態空間モデルアーキテクチャです。ハードウェアを意識した実装を提供し、以前のサブ二次モデルを上回り、Transformerに匹敵することを目指しています。
AI モデル
RWKVは、効率的な推論と柔軟なファインチューニング機能を提供する強力な言語モデルです。デスクトップGUI、Webベースの推論、モバイルアプリなど、さまざまなアプリケーションをサポートし、多様なタスクのために複数のプラットフォームやデバイスで高度なAIへのアクセスを可能にします。
AI モデル
OpenELMは、Apple Machine Learning Researchが開発した最先端のオープン言語モデルファミリーです。精度向上のためのレイヤーごとのスケーリング戦略を特徴とし、ログやチェックポイントを含む公開データセットでのトレーニングと評価のための完全なフレームワークを提供します。また、AppleデバイスでのMLX統合用のコードも含まれていま…
AI モデル
ヨハネス・ケプラー大学リンツの機械学習研究所は、機械学習分野で著名な研究を行い、教育を提供しています。機械学習および統計的手法の開発と応用を中心に、バイオインフォマティクスにおける学士および修士課程を提供しています。
AI モデル
Mediumは、個人や組織が多様な記事、ストーリー、洞察を共有できる広大なオンライン出版プラットフォームです。テクノロジーや文化から自己啓発、時事問題まで、幅広いトピックのコンテンツをホストし、読者とライターのコミュニティを育んでいます。
AI モデル
N-BEATSは、単変量時系列予測のためのニューラルネットワークベースのモデルです。ServiceNow Researchによって開発され、再現性のある実験結果を実現するためにN-BEATSアルゴリズムを実装しています。このリポジトリは、高度な時系列分析のためのPyTorch実装、データセットローダー、および実験設定を提供します。
AI モデル
零一万物 (01.AI) は、基盤モデルのブレークスルーを原動力とするAI 2.0に注力するグローバルAI企業です。テクノロジー、プラットフォーム、アプリケーションに革命をもたらし、AIが人間の生産性と社会価値を高める新しいエコシステムを創造することを目指しています。そのビジョンは、AGI（汎用人工知能）をすべての人にアクセス可能で有益なものにすることです。
AI モデル
物理情報ニューラルネットワーク（PINN）は、非線形偏微分方程式で記述される物理法則を尊重することにより、教師あり学習タスクを解決します。データ駆動型の解法と偏微分方程式の発見を可能にし、物理的制約を自然にエンコードする関数近似の新しいアプローチを提供します。
AI モデル
Ansuman Bora's personal portfolio website showcases his professional background as a Software Engineer at Corteva Agriscience. It highlights his academic achievements, including a…
AI モデル
Octoは、ロボット操作における幅広い適用性を目指して設計されたオープンソースの汎用ロボットポリシーです。このTransformerベースの拡散ポリシーは、大規模データセットで事前学習されており、柔軟なタスク定義と効率的なファインチューニングをサポートし、様々なロボティクスアプリケーションへの適応を可能にします。
AI モデル
APS Journalsは、アメリカ物理学会が発行する査読済み科学研究論文へのアクセスを提供するデジタルプラットフォームです。物理学の様々な分野における最先端の発見や基礎知識を求める物理学者、研究者、学生にとって重要なリソースとなっています。このプラットフォームは、高品質な科学文献への信頼性の高いアクセスを保証します。
AI モデル
DBRXは、Databricksが提供する最先端のオープン大規模言語モデル（LLM）であり、言語、プログラミング、数学のベンチマークで優れた性能を発揮します。GPT-3.5を凌駕し、Gemini 1.0 Proに匹敵する効率性と品質の向上を実現し、高度なLLM機能をエンタープライズおよびオープンコミュニティに提供します。
AI モデル
Fast R-CNNは、物体検出のための深層学習フレームワークです。R-CNNやSPPnetのような以前の手法と比較して、トレーニングとテストを大幅に高速化し、ベンチマークデータセットでより高い精度を達成します。PythonとC++/Caffeで記述されており、コンピュータビジョンの研究者や開発者にとって適しています。
AI モデル
py-faster-rcnnは、Faster R-CNNオブジェクト検出モデルのPython実装です。公式のMATLABバージョンに代わるもので、CPUベースのPythonレイヤーによるテスト時の速度のわずかな違いを除き、同等の精度を提供します。このプロジェクトはDetectronへの移行のため非推奨となっています。
AI モデル
CaffeフレームワークとSSD実装による物体検出。このリポジトリは、高速でオープンなディープラーニングフレームワークを提供し、特にSingle Shot MultiBox Detectorに特化しています。単一のモデルで物体検出ネットワークのトレーニングと評価を可能にし、効率的なパフォーマンスを実現します。
AI モデル
Feature Pyramid Networks (FPN)は、計算オーバーヘッドを最小限に抑えながら、ディープ畳み込みネットワークからマルチスケール特徴マップを生成することで、物体検出を強化します。このアーキテクチャは、さまざまなサイズの物体に対する精度を向上させ、リアルタイム検出タスクに実用的かつ効率的なソリューションを提供します。
AI モデルにふさわしい注目の存在を知っていますか？
ToolPotionは、最高のAI モデルを見つけるために人々が閲覧するAIツールディレクトリです。掲載は無料で、すべての投稿は編集者がレビューします。検索の出発点にあなたのツールを置きましょう。