MLPの代わりにKolmogorov-Arnold Network（KAN）を導入してモデルの表現力と性能を向上
MLPの代わりにKolmogorov-Arnold Network（K ...
Large language models
論文
【Google × Meta】XLS-R大規模モデルで音声認識と音声翻訳をこなす
【Google × Meta】XLS-R大規模モデルで音声認識と音声翻 ...
Speech Recognition for the Dysarthric
【RetrievalAttention】長い文脈を処理するLLMの効率を向上！
【RetrievalAttention】長い文脈を処理するLLMの効率 ...
Large language models
インドの高校レベルの物理の多肢選択問題に特化したLLMチャットボットの開発
インドの高校レベルの物理の多肢選択問題に特化したLLMチャットボットの ...
Large language models
製造品質予測モデルを強化する説明可能性技術
製造品質予測モデルを強化する説明可能性技術
Explainable.AI
【BitNet b1.58】モデルパラメータを3値で表現しLlama以上の精度を達成！？
【BitNet b1.58】モデルパラメータを3値で表現しLlama以 ...
Large language models
超長いプロンプト文を圧縮してメモリを抑えるGoogleの高性能LLM
超長いプロンプト文を圧縮してメモリを抑えるGoogleの高性能LLM
Large language models
GenTron: 画像生成、動画生成向けのDiffusion Transformers
GenTron: 画像生成、動画生成向けのDiffusion Tran ...
Image generation
Diffusion2GAN: 拡散モデルを条件付きGANに知識蒸留
Diffusion2GAN: 拡散モデルを条件付きGANに知識蒸留
Image generation
【コマ撮り画像の高FPS動画化】フレーム補間AI技術RIFE＆IFNetの仕組みと活用術
【コマ撮り画像の高FPS動画化】フレーム補間AI技術RIFE＆IFNe ...
Image generation
【EDAT24】製造業の動作分類に特化したイベントベースのデータセット
【EDAT24】製造業の動作分類に特化したイベントベースのデータセット
Datasets
ディープフェイク検出の自己教師ありViT
ディープフェイク検出の自己教師ありViT
self-supervised learning
【レビュー】スマート・マニュファクチャリングを推進する産業IoT
【レビュー】スマート・マニュファクチャリングを推進する産業IoT
IoT
【Double Descent】なぜ「大きなモデル」と「大きなデータセット」が重要なのか
【Double Descent】なぜ「大きなモデル」と「大きなデータセ ...
Neural Network
【HiFi-GAN】単一GPUで22kHzの音声を生成可能なGANベースのボコーダー
【HiFi-GAN】単一GPUで22kHzの音声を生成可能なGANベー ...
Speech Synthesis
潜在拡散モデルは必ずしも「サイズを大きくすれば良い」というわけではない
潜在拡散モデルは必ずしも「サイズを大きくすれば良い」というわけではない
Diffusion Model
【Mustango】音楽のドメイン知識を活用した音楽生成モデル
【Mustango】音楽のドメイン知識を活用した音楽生成モデル
Audio and Speech Processing
【VoiceCraft】業界最高レベルで自然な音声を合成できる言語モデル
【VoiceCraft】業界最高レベルで自然な音声を合成できる言語モデ ...
Speech Synthesis