HyperAI
Command Palette
Search for a command to run...
Papers
最新のAIトレンドを把握するための、日々更新される最先端AI研究論文
論文
SAM 2：画像および動画におけるアノテーションの汎用化
コンピュータビジョン
ビデオ理解
Nikhila Ravi, Valentin Gabeur, Yuan-Ting Hu, et al.
Llama 3 モデル群
LLM
Transformer
Abhimanyu Dubey, Abhinav Jauhri, Abhinav Pandey, et al.
Any-to-Any
マルチモーダル表現
Pan Zhang, Xiaoyi Dong, Yuhang Zang, et al.
マルチモーダル
データセット
Ziyu Liu, Tao Chu, Yuhang Zang, et al.
マルチモーダル
Transformer
Hugo Laurençon, Léo Tronchon, Matthieu Cord, et al.
深度推定
セマンティックセグメンテーション
Benedikt Kolbeinsson, Krystian Mikolajczyk
Text-to-Audio
拡散モデル
Tal, Or, Kreuk, et al.
Transformer
自然言語処理
Gao, Yizhao, Guo, et al.
動画生成
画像から動画生成
Yuanpeng Tu, Hao Luo, Xi Chen, et al.
ComfyUI
Reasoning
Zhenran Xu, Yiyu Wang, Xue Yang, et al.
動画生成
拡散モデル
Shanchuan Lin, Ceyuan Yang, Hao He, et al.
強化学習
監視付き微調整
Li, Pengyi, Skripkin, et al.
Text-to-Speech
音声および音声処理
Siyang Wang, Gustav Eje Henter, Joakim Gustafson, et al.
サイエンスのためのAI
ディープラーニング
Junbao Hu, Liyang Zhou, Jian Jiang
医療画像
マルチモーダル
Miguel Díaz Benito, Cecilia Diana-Albelda, Álvaro García-Martín, et al.
ComfyUI
画像生成
Oucheng Huang, Yuhang Ma, Zeng Zhao, et al.
ディープラーニング
コード生成
Gareth Ari Aye
拡散モデル
Text-to-Audio
Junmin Gong, Sean Zhao, Sen Wang, et al.
Text-to-Speech
Kenichi Fujita, Takanori Ashihara, Hiroki Kanagawa, et al.
LLM
通義千問
Mike Thelwall, Ehsan Mohammadi
数学
Reasoning
Catherine M Reason
Text-to-Speech
音声および音声処理
Joonyong Park, Kenichi Nakamura
ComfyUI
テキストから動画
Shangling He, Kangzhu Zhou, Xi Peng, et al.
画像処理
M.V. Kharinov
OCR
画像認識
Sandip Rakshit, Subhadip Basu
マルチモーダル
マルチモーダル表現
Pallavi Jain, Diego Marcos, Dino Ienco, et al.
拡散モデル
画像から動画生成
Shiwei Lan
拡散モデル
3Dモデル
Yangguang Li, Zi-Xin Zou, Zexiang Liu, et al.
マルチモーダル
Any-to-Any
Owen Team
ビデオ理解
視覚質問応答
Haoji Zhang, Yiqin Wang, Yansong Tang, et al.
テキストから画像生成
拡散モデル
Zhen Li, Mingdeng Cao, Xintao Wang, et al.
テキストから画像生成
OCR
Yuxiang Tuo, Wangmeng Xiang, Jun-Yan He, et al.