トップ

アップルの「画像の意味を捉える」マルチモーダルAIモデル「4M」、画像編集の自動化などへの布石か | AMP[アンプ] - ビジネスインスピレーションメディア

アップルの「画像の意味を捉える」マルチモーダルAIモデル「4M」、画像編集の自動化などへの布石か | AMP[アンプ] - ビジネスインスピレーションメディア

マルチモーダル生成

更新日2024.08.14

生成AI女子あいちゃん

Catch the business inspirations. アップルがスイス連邦工科大学ローザンヌ校（EPFL）と共同開発した小型AIモデル「4M」の 公開デモ をHugging Faceプラットフォームで公開した。このモデルは、テキストや画像、3D空間など複数のモダリティを統合的に処理できるマルチモーダルモデルだ。数カ月前に、GitHubで リリース されたオープンソースモデルだが、今回人気のAIプラットフォームであるHugging Faceで公開されたことで、認知度がさらに高まった格好となる。 4Mは、Massively Multimodal Masked Modelingの略称で、多様なモダリティ／コンテンツの処理と生成が可能だ。ユーザーはテキスト記述から画像を生成したり、複雑な物体検出を実行したり、自然言語入力で画像空間を操作したりすることができる。 この4Mの公開は、アップルの従来の研究開発アプローチから大きな転換を示すもので、AIコミュニティで注目される動きとなっている。Hugging Faceは、業界スタンダードといっても過言ではない、AIモデルのリポジトリプラットフォーム。メタやマイクロ

この記事をシェアする

マルチモーダル生成

2025.02.20

Google ChromeにGeminiを統合するオプションが開発者向けのChrome Canaryに登場

2025.02.20

Meta、生成AIイベントを4月に、メタバースイベントを9月に開催へ

2025.02.20

OpenAIの元CTOムラティ氏、新AI企業Thinking Machine Lab立ち上げ

2025.02.20

AIの利用・導入、契約上の注意点は？　経産省がチェックリスト公開

2025.02.19

DeNA南場会長も使う「NotebookLM」って何？　自分だけのチャットAIが作れる話題のGoogle製サービス、いまさら聞けない活用法