ざっくり、Fullの方が色や絵に深みがあり、逆にDevは平面的な感じがする。但しどちらも処理は重く、RTX 5090を使いFullで約33秒、Devで約19秒となる（参考までにFastだと約12秒）。 余談になるが、HiDream-I1自体は17Bで、テキストエンコーダーに llama/Meta-Llama-3.1-8B-Instruct も使っている関係で、Promptを日本語で書くことも出来る。とは言え8Bだともともと日本語はあまり得意ではないためザックリな生成となってしまうのは仕方ないところ。 llama/Meta-Llama-3.1-8B-Instructを使っているので、日本語のPromptでもある程度は生成出来るこれはPromptに”オフィスで働いている研修中の日本人女性”と書いた時のFullの生成結果だ。この程度であれば生成可能なので興味のある人は日本語Promptも試して欲

イーロン・マスク氏が率いる宇宙開発企業のSpaceXは、衛星インターネットサービスのStarlinkを世界各地で展開しています。SpaceXの事業運営担当ヴァイスプレジデントのローレン・ドレイヤー氏が、ミャンマーで詐欺に使われたと疑われるStarlink端末2500台超を無効化したと発表しました。 SpaceX complies with local laws in all 150+ markets where @Starlink is licensed to operate. SpaceX continually works to identify violations of our Acceptable Use Policy and applicable law because - as with nearly all consumer electronics and services

アメリカでは銃撃事件が多発しており、監視カメラとAIを用いた銃火器自動検知システムを導入する学校や企業が増えています。ところが、メリーランド州ボルチモアの学校ではドリトスの袋をポケットに入れていただけの男子生徒が銃を所持していると誤検知されて武装警官に取り囲まれる事態が発生しました。 AI software mistakes student's bag of chips for a weapon https://www.wbaltv.com/article/student-handcuffed-ai-system-mistook-bag-chips-weapon/69114601 Teen detained after AI system mistakes chips for weapon outside Kenwood High School https://foxbaltimore.c

先日の記事で「CoTを用いて『推論』する生成AI」の「推論」能力の限界について、論文2点を挙げて論じたところ思いの外反響が大きくてちょっとびっくりしたのでした。 なのですが、最近になって同じテーマに対して「厳密に条件統制されたデータセットを用いてLLMを実際に構築した上で実験した」という論文が出てきたとのことで、ちょっと読んでみました。それがこちらです。 実のところ、読んでみたらかなり技巧的かつ綿密に設計された内容の論文で当初一読した範囲では理解し切れない感じがありました。なのですが、非常に興味深い内容だったのと、その検証手法が斬新だったということもあり、このブログでは珍しいことですが2回連続で論文紹介をしてみようと思います*1。なおいつもながらですが、記事中に理解不足や認識の誤りなどの箇所がありましたら何なりとご指摘くだされば幸いです。 巧みな実験設計：CoT推論に影響し得る「3つの次元

アリババの動画生成モデル「Wan2.2 14B」i2vを使い、明日来子さん（この連載によく登場する作例キャラクター）に銃を構えさせた動画の一部（筆者作成） 7月28日に公開された中国・アリババの動画生成AIモデル「Wan2.2」がすさまじい性能を発揮しています。ローカルPC環境で利用できるオープンモデルとして公開されましたが、ヘタな商用AIクラウドサービスを超えていると感じさせるほど、高品質なAI動画が生成可能です。2月リリースの「Wan2.1」でも高い評価を得ていましたが、それを遥かに超えており、業界を席巻しそうな雰囲気を感じました。 ※記事配信先の設定によっては図版や動画等が正しく表示されないことがあります。その場合はASCII.jpをご覧ください 実写もアニメも高性能 Wan2.2の性能の高さは触れば触るほどわかってきます。カップ麺、箸、麺など、複数のオブジェクトが関わるため、画像や

🐭cosmo🐭 @rm86678921 日本の自動車製造メーカーのHonda（ホンダ）の先進安全開発責任者の大舘正太郎氏。特許出願251件、論文投稿9稿の実績あり。2015年からADASのプロジェクトリーダーを務め、私生活ではベンチプレスで170kgを5回持ち上げるフィジカルの持ち主でもある。 本田技研工業にリアル鉄腕アトムが稼働していた。 pic.x.com/tcfEqYWkaE 2025-07-01 21:49:08 リンク Motor-Fan[モーターファン] ホンダ量販モデルで初のハンズオフを実現！ アコードに新グレード「e:HEV Honda SENSING 360+」追加 ホンダ・アコードに追加された新グレードは、ハンズオフ機能やレコメンド型車線変更支援などによって、ドライバーの負担を大幅に低減してくれる「Honda SENSING 360＋」を搭載。特に長距離・長時間ドラ

巨大地震の発生が懸念されている日本海溝などの地形を調査するために改造されたJAMSTEC＝海洋研究開発機構の無人探査機「うらしま」が、12日、神奈川県横須賀市で報道関係者に公開されました。 公開されたJAMSTECの無人探査機「うらしま」は、全長10.7メートル、幅1.3メートルで、2009年から運用され、海底の精密な地形図の作成などに活用されてきました。 これまでは水深3500メートルまでしか探査できませんでしたが、より幅広い海域を調査するため、今回、耐圧を高める改造を行った結果、水深8000メートルまで潜ることができるようになりました。 これにより、巨大地震の発生が懸念されている日本海溝を含む、日本のEEZ＝排他的経済水域のほぼ全域を探査できるようになるということで、早ければ来年度にも本格的な運用を開始するということです。 JAMSTEC技術開発部の中谷武志グループリーダー代理は「東日

東京証券取引所のスタンダード市場に上場しているインプレスホールディングスは5月13日、上場廃止を予定していることを発表しました。 同社は傘下にインプレス、エムディエヌコーポレーション、リットーミュージック、山と渓谷社などを始めとする複数のWebメディアや出版社を持つ持ち株会社です。ITエンジニアにとっては、書籍の「できる」シリーズやPC WatchやInternet WatchなどのWatchシリーズなどでよく知られています。 発表によると上場廃止は株式併合と呼ばれる手段によって行われ、最終的には現時点で合わせて同社の57％を保有している同社の創業者である塚本慶一郎氏および同氏の資産管理会社であるT＆Co.のみが残存株主となります。 それ以外の株主に対しては株式をインプレスホールディングスが買い取ることが予定されています。 上場廃止は6月25日に開催予定の同社株主総会において可決され、7月

無料かつ高機能なペイントアプリ「Krita」に画像生成AI「Stable Diffusion」を組み込むプラグインが「krita-ai-diffusion(AI Image Diffusion)」です。Generative AI for Kritaを使えば落書きのような下描き画像から美麗イラストを生成できるとのことなので、インストール手順や使い方をまとめてみました。 GitHub - Acly/krita-ai-diffusion: Streamlined interface for generating images with AI in Krita. Inpaint and outpaint with optional text prompt, no tweaking required. https://github.com/Acly/krita-ai-diffusion ・目次 ◆1

「画像への書き込みの強弱を調整したい」 「LoRAで手っ取り早く画質をUPさせたい」 このような場合には、Detail Tweaker LoRAがオススメです。 この記事では、Detail Tweaker LoRAについて解説しています。 本記事の内容 Detail Tweaker LoRAとは？Detail Tweaker LoRAの利用方法Detail Tweaker LoRAの動作確認 それでは、上記に沿って解説していきます。

画像生成AI「Stable Diffusion」の開発元であるStability AIが、既存のモデルと比べて高品質な画像を高速に生成できる画像生成モデル「Stable Cascade」を発表しました。Stable Cascadeは家庭用の機材を用いて学習や微調整が可能なことも特徴とされています。 Stable Cascade のご紹介 — Stability AI Japan — Stability AI Japan https://ja.stability.ai/blog/stable-cascade ◆Stable Cascadeの仕組み Stable Cascadeは学習コストの小ささや画像生成時のVRAM使用量の少なさを特徴とする画像生成モデル「Würstchen」をベースに開発されたモデルです。 Stable Cascadeは「ステージA」「ステージB」「ステージC」の3モデル

Stable DiffusionやDALL-E 3などの画像生成AIを使っていると「文字の代わりに謎の模様が出力される」「短い単語なのにスペルが違う」といった問題に遭遇しがちです。画像生成AIが「文字の出力」を苦手とする理由について、ソーシャルニュースサイトのHacker Newsで激論が交わされています。 Ask HN: Why can't image generation models spell? | Hacker News https://news.ycombinator.com/item?id=39727376 画像生成AIで文字を含む画像を生成する例が以下。DALL-E 3を搭載した「Image Creator」で「『ラーメンファンタジー』という店名が記されたラーメン屋の外観写真」というプロンプトで画像を生成した結果、「ラーメンファンタジー」という語句は出力されず、「RAIME

勝田健太郎 @katsuta_kentaro このアカウント@tokakudo で古写真をアップしているんだけど、人物写真をあげると、ここ最近「AIだろ」とコメントが付くようになったわよ。 むしろAIと思われるような、現代人には不可能な表現や活動をしていた人がいたことを反応から分かって、改めて歴史って面白いなと感じている。 pic.twitter.com/kCxZFIYG81 2024-07-19 18:34:52 勝田健太郎 @katsuta_kentaro 先人たちが守り繋いできた歴史に敬意を表しながら、過去の出来事や現代に残る歴史遺産を未来に残します。写真は個人撮影かパブリックドメインの写真を掲載。サブ:@kentaro_katsuta lit.link/katsuta

鰐軍壮 @WANIGUNNSOU インターネットコスプレマン。#タクティカル火付盗賊改 と平安京航空自衛隊（ @HeianJASDF)。ミリタリーと人外系キャラと物を作る事、最近はゼンゼロとHH/HBが好きです。 あとジークアクスを観てください。よろしくお願いします。 動画など→ youtube.com/@wanigunnsou57… instagram.com/p/CMAOeOth2MA/… 鰐軍壮 @WANIGUNNSOU 最近50年位前の無線機を買ったもののアンテナが欠品してて途方に暮れてたんですが、試しに秋葉原ラジオセンターの仙人みたいなお爺さんがやってるお店に持ち込んでみたら見ただけで膨大な商品の中からバッチリ適合する物を一瞬で出してくれて、杖屋に行った時のハリーポッターの気分を味わいました pic.twitter.com/1ZHTLKZV1f 2024-07-19 21:00:

“AI野々村真”が高齢者の話し相手に！本人仰天の完成度で介護現場の人手不足解消に一助「すごい野々村真」 大手芸能事務所スターダストプロモーションや、学研ココファン、Spiral.AIなど9社は17日、AI音声対話型デジタルヒューマン「AI野々村真」を開発し、介護施設などで実証実験を開始したと発表した。 社会の高齢化が進み、介護やシニア向け介護施設での人員確保が課題となるなか、AIデジタルヒューマンが高齢者の話し相手になることで、高齢者の認知機能の改善や施設のサービス満足度の向上を目指すほか、介護施設利用者とのコミュニケーションをAIが担うことで、介護職員の人材不足の解決にも繋がっていくことを期待しているという。 野々村真さんは、数々の情報番組に出演し、高齢者にも親しみやすいキャラクターである事から、AIデジタルヒューマンに選ばれたという。 野々村さんは、「先日撮影をさせて頂きましたが、AI

こんにちは、note AI creative（以下、nAc）の田中です。 nAcとして今までさまざまな社内の業務改善に取り組んできましたが、中でも「議事録作成業務」は負担の大きい業務の１つでした。 セールス・カスタマーサクセスなど顧客と対面する部署では特に議事録作成は重要な業務として頻繁に発生しますが、1回あたり最大60分かかっており改善の余地がありました。 nAcが作成した生成AIのソリューションを使うことで、作業量が96%も削減され、60分の作業が2分で終わるようになりました。 議事録を生成するデモgifnote proチームの社内発表資料から抜粋この記事では、議事録作成を自動化するために作成したソリューションとその効果について紹介します。 議事録作成効率化の歴史議事録作成業務の効率化を目指し、まずは「tl;dv」というツールを導入してテストを行いました。 tl;dvは非常に機能が豊富