MLinfo | 機械学習・AI論文まとめ

rig — ⚙️🦀 Build modular and scalable LLM Applications in Rust

Rustを使ってモジュラーLLMアプリケーションを構築することができるライブラリです。

用途: モジュラーLLMアプリケーション作成
難易度: Easy
コスト: High

openvino — OpenVINO™ is an open source toolkit for optimizing and deploying AI inference

オープンソースのAI推論最適化と展開用ツールキットです。

深層学習Transformer分類生成音声

用途: AI推論の最適化と展開
難易度: Easy
コスト: Low

unsloth — Local UI to run and train LLMs and diffusion models. Supports GGUF, MLX, Qwen3.8, DeepSeek-V4.1, MiniMax-H3, Gemma 4, FLUX and more.

Unsloth Studioは、オープンモデルのトレーニングと実行を支援するWebUIです。このライブラリは、Gemma4、Qwen3.5などのオープンモデルのテストとトレーニングを支援するために使われます。

自然言語処理大規模言語モデル生成画像テキスト

用途: オープンモデルのトレーニングと実行
難易度: Easy
コスト: High

LightX2V — Lightweight Image Video Action Generation Inference Framework

zenmlは、データパイプラインからエージェントまで、AIプラットフォームです。

深層学習軽量化・量子化生成画像動画

用途: AI推論を軽量化したインフラ
難易度: Easy
コスト: High

FastGen — NVIDIA FastGen: Fast Generation from Diffusion Models

この論文では、ディフュージョンモデルの高速化を目的としたNVIDIA FastGenについて説明しています。FastGenは、ディフュージョンモデルから高速に生成することが可能です。

深層学習軽量化・量子化生成

用途: ディフュージョンモデルの高速化
難易度: Easy
コスト: High

品質予測/異常検知深層学習グラフニューラルネット分類生成テキスト

arxivGitHubあり2026-11-03

RGDM: Robust Graph Diffusion Model

Diffusion models represent a powerful class of generative models known for their solid theoretical foundations

用途: 分類
難易度: Hard
コスト: High

arxivGitHubあり2026-11-03

ScaleTraj: Scale-Decomposed Human Trajectory Generation

Individual-level trajectories are essential for applications that rely on user-level mobility behavior. Existi

深層学習Transformer生成テキスト

用途: 生成
難易度: Easy
コスト: Medium

ai-engineering-from-scratch — Learn AI Engineering! Learn it. Build it. Ship it for others.

このリポジトリでは、AIエンジニアリングのためのオープンソースプラットフォームであるMLflowを提供しています。

深層学習Transformer生成

用途: AIエンジニアリングのためのプラットフォーム
難易度: Easy
コスト: Medium

qdrant — Qdrant - High-performance, massive-scale Vector Database and Vector Search Engine for the next generation of AI. Also available in the cloud https://cloud.qdrant.io/

このリポジトリでは、データとAIアルゴリズムを製品化するためのプラットフォームであるTaipyを提供しています。

自然言語処理埋め込み・検索生成画像

用途: AIアプリケーションを製品化するためのプラットフォーム
難易度: Easy
コスト: Low

diffusers — 🤗 Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.

.diffusion モデルのライブラリ。画像・動画・音声生成に利用可能。

用途: 画像・動画・音声生成
難易度: Easy
コスト: High

OpenEBFM — Open-source code for training and scaling up energy-based foundation models.

Open-source code for training and scaling up energy-based foundation models.

用途: 生成
難易度: Easy
コスト: High

Finance-LLMs — Comprehensive Compilation of Real-World LLM & AI Agent Use Cases in Financial Services

販売データを分析するために、機械学習モデルが使用されるリソースが提供されていました。

用途: 販売データを分析する
難易度: Easy
コスト: High

Sana — SANA: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformer

SANAは、高解像度画像生成モデルSANAを紹介する本研究であり、低計算コストで優れた高解像度画像を生成できる。

深層学習Transformer生成画像テキスト

用途: 高解像度画像合成
難易度: Easy
コスト: High

weaviate — Weaviate is an open-source vector database that stores both objects and vectors, allowing for the combination of vector search with structured filtering with the fault tolerance and scalability of a cloud-native database.

ベクトル検索と構造化されたフィルタリングを組み合わせたベクターデータベースです。

MLOps生成画像

用途: ベクターデータベース
難易度: Easy
コスト: Medium

metaflow — Build, Manage and Deploy AI/ML Systems

TensorZeroは、LLMゲートウェイ、オブザーバビリティ、評価、最適化、実験を統一したオープンソースのLLMOpsプラットフォームです。

用途: AI/MLシステムの構築、管理、展開ツール
難易度: Easy
コスト: High

kserve — Standardized Distributed Generative and Predictive AI Inference Platform for Scalable, Multi-Framework Deployment on Kubernetes

flyteは、高度に動的で堅牢なAIオーケストレーションプラットフォームであり、データ、モデル、コンピューティングを統合してAIワークフローを作成することができます。

用途: エクスペリメントトラッカーを簡単にする
難易度: Easy
コスト: High

FastVideo — A unified inference and post-training framework for accelerated video generation.

FastVideoは、加速されたビデオ生成用の統合推論とポストトレーニングのフレームワークです。

深層学習軽量化・量子化生成動画

用途: ビデオ生成を加速する
難易度: Easy
コスト: High

FreeVideo — Make videos on the computer you already own. FreeVideo runs MiniMax H3 in as little as 8 GB of VRAM and 16 GB of RAM, and adapts its acceleration path to your hardware.

Make videos on the computer you already own. FreeVideo runs MiniMax H3 in as little as 8 GB of VRAM and 16 GB

生成AI拡散モデル生成動画

用途: 生成
難易度: Easy
コスト: High

MOVA — A foundation model that generates synchronized video and audio in a single model

統計チャートの生成は、タブラーのデータから生成することが難しい。新しい作成フローでは、データのスクリーン、プロット提案、コード生成、レンダリング、検証による改良が含まれる。

自然言語処理ファインチューニング生成テキスト音声

用途: 可視化された統計チャートの生成
難易度: Easy
コスト: High

txtai — 💡 All-in-one AI framework for semantic search, LLM orchestration and language model workflows

LLMを利用するために、セマンティック検索やLLMのオーケストレーションなどを行えるフレームワーク。

深層学習Transformer生成テキスト

用途: セマンティック検索
難易度: Easy
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成

DistDebug-Bench: Can LLM Agents Diagnose Bugs in Distributed Systems?

LLM agents show strong potential in software engineering tasks such as competitive programming and code synthe

用途: 生成
難易度: Hard
コスト: High

品質予測/異常検知深層学習Transformer生成テキスト

RangeFinder: Predicting Ligand Property Ranges from Protein Pockets

Identifying ligands for a protein target requires searching a vast chemical space for a comparatively small se

用途: 生成
難易度: Hard
コスト: High

ACTOR: Action-Centered Temporal Organization for Literary Role-Playing Agents

Large language agents for literary role-playing are typically modeled around dialogue generation, leaving char

自然言語処理RAG生成テキスト

用途: 生成
難易度: Easy
コスト: Low

説明可能深層学習Transformer分類検出生成

SAGE (Subjectivity-Aware Generation Estimator): A Linguistic Framework for AI-Generated Review Detection *

We propose a simple, linguistically motivated approach to detecting AI-generated peer reviews based on the inh

用途: 分類
難易度: Easy
コスト: Low

TRIO: Task Refinement with Individual Optimization for Retrieval-Augmented Generation

This paper studies retrieval-augmented generation (RAG), which leverages external knowledge to improve the per

品質予測/異常検知自然言語処理RAG生成テキスト

用途: 生成
難易度: Easy
コスト: Low

They Know Where It Is, But Not What It Says: A Bilingual Hallucination Benchmark of Hadith Recall in Open LLMs

Large language models are increasingly consulted for religious knowledge, including the recall of specific Had

用途: 生成
難易度: Hard
コスト: High

SMILE: A Structured Multi-Agent Clinical Reasoning for Liver Ultrasound Understanding

Automated liver ultrasound report generation improves the diagnosis of liver diseases by producing clinically

コンピュータビジョンマルチモーダル生成QA画像

用途: 生成
難易度: Hard
コスト: High

EviCast: Forecasting Retrieval Gains Through Shared Response Calibration

Retrieval-augmented generation (RAG) extends large language models with external evidence, yet relevant eviden

深層学習軽量化・量子化生成予測テキスト

用途: 生成
難易度: Hard
コスト: High

Intent2CAD: How Semantic-Parametric Supervision Shapes Text-to-CAD Generation

Text-to-CAD generation aims to make CAD modeling more accessible by generating executable CAD programs from na

深層学習軽量化・量子化生成テキスト

用途: 生成
難易度: Easy
コスト: Medium

3D Gaussian Splatting within Self-Learned Neural View-Dependent Color Fields

3D Gaussian Splatting (3DGS) has become a vital tool in novel view synthesis. 3D Gaussian functions with attri

深層学習Transformer生成画像3D

用途: 生成
難易度: Hard
コスト: High

少数データ向き品質予測/異常検知画像検査自然言語処理プロンプトエンジニアリング検出生成異常検知

VerdictAD: Few-Shot Anomaly Detection via Decision-Guided Refinement

Detecting defects in real-world industrial inspection often requires learning from only a few normal images pe

用途: 検出
難易度: Hard
コスト: High

TRAILS: Trajectory Generation for Automated Indoor Locomotion Studies

Virtual reality experiments involving navigation and simulated robot motion often require large, realistic env

強化学習生成

用途: 生成
難易度: Hard
コスト: Medium

huggingfaceHugging Faceあり2026-11-02

Lab2Sim: Turning Real-World Experiment Videos into Interactive Virtual Experiments

Science experiment videos demonstrate how experiments are performed, but offer no direct interaction for learn

コンピュータビジョンマルチモーダル生成動画

用途: 生成
難易度: Easy
コスト: High

DATAGEN — DATAGEN: AI-driven multi-agent research assistant automating hypothesis generation, data analysis, and report writing.

AIドライブのマルチエージェント研究アシスタント。仮説の生成、データ分析、およびレポートの生成を自動化する。

用途: AI研究アシスタント
難易度: Easy
コスト: High

Awesome-Story-Generation — This repository collects an extensive list of awesome papers about Story Generation / Storytelling, exclusively focusing on the era of Large Language Models (LLMs).

This repository collects an extensive list of awesome papers about Story Generation / Storytelling, exclusivel

用途: 生成
難易度: Easy
コスト: High

picollm — On-device LLM Inference Powered by X-Bit Quantization

デバイス上のLLM推論をXビット量化を使用したもの。

深層学習軽量化・量子化生成

用途: ラジケイタクイズナイゼーション
難易度: Easy
コスト: High

agents-towards-production — End-to-end, code-first tutorials for building production-grade GenAI agents. From prototype to enterprise deployment.

AIエージェントの開発と実装を行うためのエンドツーマンド、コードファーストのチュートリアル。

用途: AIエージェントの開発と実装
難易度: Easy
コスト: High

BentoML — The easiest way to serve AI apps and models - Build Model Inference APIs, Job queues, LLM apps, Multi-model pipelines, and more!

モデルをサービングするためのライブラリを紹介している。

自然言語処理大規模言語モデル生成マルチモーダル

用途: モデルのサービング
難易度: Easy
コスト: High

LTX-Video — Official repository for LTX-Video

Official repository for LTX-Video

用途: 生成
難易度: Easy
コスト: High

Awesome-Controllable-T2I-Diffusion-Models — A collection of resources on controllable generation with text-to-image diffusion models.

A collection of resources on controllable generation with text-to-image diffusion models.

用途: 生成
難易度: Easy
コスト: High

RAG_Techniques — This repository showcases various advanced techniques for Retrieval-Augmented Generation (RAG) systems. Each technique has a detailed notebook tutorial.

医学画像に対する疾患検出モデルを開発し、臨床現場で早期検出と迅速な介入を容易にすることを目的としたフレームワークを提案します。

用途: 医学画像の疾患検出
難易度: Easy
コスト: High

センサ/時系列自然言語処理ファインチューニング生成画像テキスト

arxivGitHubあり2026-11-01

EarthJev: Calibrated, Non-Generative Answers to Natural-Language Questions about Sentinel-2 Land Cover

Vision-language models for remote sensing answer questions about satellite images by generating text: every an

用途: 生成
難易度: Hard
コスト: High

huggingfaceHugging Faceあり2026-11-01

NorthCUA Technical Report: Turbocharging Computer-Use Agents through Experience at Scale

Scaling computer-use agents from individual actions to complex software work requires experience that connects

品質予測/異常検知自然言語処理ファインチューニング生成強化学習

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-11-01

Helios — [TPAMI 2026🔥] Helios: Real Real-Time Long Video Generation Model

長時間のビデオ生成を実現するためのモデルのサポートを紹介している。

深層学習軽量化・量子化生成画像テキスト

用途: ビデオ生成
難易度: Easy
コスト: High

githubGitHubあり2026-11-01

learning — A log of things I'm learning

学習中のアイデアや知識を整理するための日記。

用途: 知識の学習記録
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-31

Wave Forcing: Towards Speed-of-Light Streaming Video Generation

Real-time long-video generation requires continuous output with consistent appearance and natural motion. Exis

品質予測/異常検知深層学習軽量化・量子化生成テキスト動画

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-31

Prism — We propose Prism, a dynamic sparse attention framework for natively training joint video-audio generation models at 2K.

We propose Prism, a dynamic sparse attention framework for natively training joint video-audio generation mode

生成AI拡散モデル生成音声動画

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-31

SolarWM — Open data and scalable training for long-horizon video world models.

Open data and scalable training for long-horizon video world models.

深層学習Transformer生成画像動画

用途: 生成
難易度: Easy
コスト: High

DecisionRank: On-Policy Distillation for Decision-Model Rerankers

Decision models target structured tasks by directly predicting choices or scores, avoiding autoregressive deco

深層学習軽量化・量子化生成テキスト

用途: 生成
難易度: Easy
コスト: High

品質予測/異常検知深層学習軽量化・量子化生成テキスト

BYOD: Build Your Own DLM - Efficient Autoregressive-to-Diffusion Language Model Conversion

Unlike autoregressive (AR) models, diffusion language models (DLMs) permit parallel token updates, flexible ge

用途: 生成
難易度: Easy
コスト: High

DeFT-RAG: Decomposing Multi-Hop Questions into Self-Contained Sub-Questions with Reusable Answers

Retrieval-augmented generation (RAG) lets a large language model (LLM) answer questions by retrieving relevant

深層学習軽量化・量子化生成テキスト

用途: 生成
難易度: Easy
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成画像テキスト

Latent Reasoning in Continuous Space for Unified Multimodal Models

Unified Multimodal Models (UMMs) achieve remarkable success on diverse multimodal understanding and generation

用途: 生成
難易度: Easy
コスト: High

品質予測/異常検知自然言語処理大規模言語モデル生成画像テキスト

SketchDirector: Complex Scene Sketching via Agentic Layout Reasoning and Detail Refinement

Existing sketch generation methods often rely on image guidance and are largely limited to individual objects

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-30

LLMs-from-scratch — Implement a ChatGPT-like LLM in PyTorch from scratch, step by step

この研究では、COVID-19臨床パスウェイズの予測監視を支援するために、パイプラインを構築しました。このパイプラインには、データリフティング、時間的再構成、イベントログの構築、プリフィックスベースの表現、予測モデルの整

深層学習Transformer生成

用途: 医療機器へのアクセスを予測する
難易度: Easy
コスト: High

githubGitHubあり2026-10-30

awesome-japanese-llm — 日本語LLMまとめ - Overview of Japanese LLMs

分析システムの性能を向上するための学習モデル開発を行う。

自然言語処理大規模言語モデル生成マルチモーダル

用途: 分析システムの性能を向上するための学習モデル開発
難易度: Easy
コスト: High

品質予測/異常検知生成AI動画生成生成画像テキスト

Video Generation Meets Agent Harness: Agentic Video Generation, Agentic World Modeling and Recursive Self-Improvement

Video generation is shifting from end-to-end synthesis toward agentic generation, where planning, tool use, an

用途: 生成
難易度: Easy
コスト: High

WorldFlow: Joint Video and 3D Motion Prediction via Large-Scale Pretraining

Predicting future physical states stands as a central challenge in embodied intelligence. Existing video world

深層学習Transformer生成画像動画

用途: 生成
難易度: Easy
コスト: High

品質予測/異常検知深層学習Transformer生成画像動画

Wizard: Manipulate Any World in Real Time via Agentic Control

Recent advances in video world models have enabled the generation of increasingly realistic and interactive vi

用途: 生成
難易度: Easy
コスト: High

コンピュータビジョンセグメンテーション生成画像マルチモーダル

HiFOR: Hierarchical Foresight with Action-Guided World Grounding for Vision-Language-Action Model

Vision-Language-Action (VLA) models have demonstrated promising capabilities in robotic manipulation by integr

用途: 生成
難易度: Easy
コスト: High

When Requirements Interact: Scaling Long-Horizon Coding via Interdependent Specifications

To succeed in real-world long-horizon software development, coding agents must satisfy multi-dimensional task

MLOpsパイプライン構築生成強化学習

用途: 生成
難易度: Easy
コスト: High

強化学習方策勾配 (PPO / A3C)生成テキスト

MemSteer: Turning User Histories into Supervision for Agent Memory Optimization

An effective agent memory system should adapt to a user's history and task requirements. Human-annotated super

用途: 生成
難易度: Easy
コスト: Low

品質予測/異常検知深層学習Transformer生成画像

No Channels Left Behind: Understanding Diffusion Acceleration through Residual Gates

Training acceleration methods for diffusion transformers, such as REPA and dispersive regularization, are comm

用途: 生成
難易度: Easy
コスト: High

品質予測/異常検知深層学習Transformer生成画像テキスト

L3G-World: Real-Time Infinite World Generation with Latent 3D Gaussian Memory

Interactive world models generate visual content conditioned on user actions, yet maintaining spatial consiste

用途: 生成
難易度: Easy
コスト: High

huggingfaceGitHubありHugging Faceあり2026-10-29

Intrinsic Distribution Matching

One-step and few-step text-to-image generation must accurately render the details specified in the prompt desp

深層学習軽量化・量子化生成画像テキスト

用途: 生成
難易度: Easy
コスト: Low

Training Foundation Models with a Single Algorithm

Foundation models are typically trained in stages: pretraining, midtraining, supervised fine-tuning (SFT), and

自然言語処理RAG生成強化学習

用途: 生成
難易度: Easy
コスト: High

品質予測/異常検知深層学習軽量化・量子化生成テキスト

Glance: The Generator Is Its Own Reranker

Retrieval-augmented generation commonly serves separate models for reranking and answering, duplicating model

用途: 生成
難易度: Easy
コスト: Low

コンピュータビジョンセグメンテーション生成画像テキスト

PhysInsert: Physically Plausible Object Insertion with Geometric Priors and Bidirectional Object-Scene Interactions

We present PhysInsert, a framework for physically plausible reference-based object insertion that jointly adap

用途: 生成
難易度: Easy
コスト: High

huggingfaceGitHubありHugging Faceあり2026-10-29

Unlocking Any-Order Generation in Pretrained Autoregressive Image Models

Autoregressive (AR) image generators are powerful in principle but inflexible in practice: training with a fix

自然言語処理大規模言語モデル生成画像

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-29

nestia — NestJS Helper + AI Chatbot Development

NestJSベースのAIチャットボット開発ツールです。

用途: AIチャットボット作成
難易度: Easy
コスト: High

githubGitHubあり2026-10-29

multilspy — multilspy is a lsp client library in Python intended to be used to build applications around language servers.

语言サーバーの開発に使用するライブラリを紹介している。

深層学習Transformer生成

用途: 语言サーバーの開発
難易度: Easy
コスト: Medium

githubGitHubあり2026-10-29

OpenWorldLib — Unified Codebase for Advanced World Models.

OpenWorldLibは、進化する世界モデルを提供する統一されたコードベースです。

コンピュータビジョン3D・点群生成動画3D

用途: 世界モデルを提供する
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-28

A Tutorial on Generative Models for Music Audio

Music audio generation spans instrumental clips, full songs with vocals, edits of existing recordings, and sys

MI向きコンピュータビジョンセグメンテーション検出生成テキスト

用途: 検出
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-28

A-RSI: Adaptive Task Refresh for Zero-Data Multimodal Self-Improvement

Recursive self-improvement requires models not only to acquire useful training experience, but also to decide

自然言語処理RAG生成マルチモーダル

用途: 生成
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-28

IntReal: A Real-World Dataset and Benchmark for Multimodal Interleaved Generation

Humans routinely consume multimodal content, where textual and visual information is naturally interleaved. Al

コンピュータビジョンセグメンテーション生成画像テキスト

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-28

MeanFlow — PyTorch implementation of MeanFlow & iMF (one-step generative modeling).

Operad理論を用いて、モデルが組み合わせ式に対する複合的な回答の合致性を検証する手法が提案された。

生成AI拡散モデル生成

用途: 対象モデルが不正を検知する
難易度: Easy
コスト: High

arxivGitHubあり2026-10-27

Generative Refinement Learning for Temporal Interpolation in Scientific Machine Learning

Computationally expensive simulations and real-world observations often provide data at a lower temporal resol

自然言語処理RAG生成動画

用途: 生成
難易度: Hard
コスト: High

huggingfaceHugging Faceあり2026-10-27

FrameForge: Harnessing Priors of Video Foundation Models for Unified Image Generation

Unified conditional image generation requires a single model to preserve different aspects of a visual input w

自然言語処理RAG生成画像テキスト

用途: 生成
難易度: Easy
コスト: High

huggingfaceGitHubありHugging Faceあり2026-10-27

WebAnything: From the Wild Web to Scalable Agent Environments

Web agents require diverse, executable, and resettable website environments for reproducible training and eval

自然言語処理RAG生成

用途: 生成
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-27

Know, then Draw: A New Learning Paradigm for Visual Generation

Visual generation requires both high-level semantic knowledge and fine-grained pixel details. We propose a lea

品質予測/異常検知生成AI拡散モデル生成回帰画像

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-27

Awesome-Video-Diffusion — A curated list of recent diffusion models for video generation, editing, and various other applications.

Awesome-Video-Diffusionは、Recent Diffusion Models for Video Generation, Editing, and Othersのリストを公開しています。

生成AI拡散モデル生成動画

用途: ビデオ生成や編集の問題を解決する
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-26

OSWAM: An Effective World Action Model with One-Step Action Generation

Direct-policy World Action Models (WAM) have demonstrated the benefits of decoupling action generation from ex

品質予測/異常検知深層学習軽量化・量子化生成画像

用途: 生成
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-26

OmniShowcase: Omnidirectional Subject-Consistent Video Generation from Multi-View Images

Generating videos of a specific subject from a few reference images remains challenging when the camera reveal

品質予測/異常検知コンピュータビジョンセグメンテーション生成画像テキスト

用途: 生成
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-26

Evaluating DeepSeek V4.1 Flash-1017 for loss of control and harmful manipulation risks

As frontier language models grow increasingly capable and autonomous, independent third-party evaluations are

用途: 生成
難易度: Easy
コスト: High

自然言語処理大規模言語モデル生成テキストマルチモーダル

githubGitHubあり2026-10-26

generative-ai — Comprehensive resources on Generative AI, including a detailed roadmap, projects, use cases, interview preparation, and coding preparation.

ゼネレーティブAIに関連するリソースの一覧。

用途: ゼネレーティブAI
難易度: Easy
コスト: High

githubGitHubあり2026-10-26

Awesome-Model-Quantization — A curated collection of papers, benchmarks, surveys, and tools for model quantization, covering low-bit networks, LLMs, multimodal and generative models, vector and lattice quantization, and efficient deployment.

A curated collection of papers, benchmarks, surveys, and tools for model quantization, covering low-bit networ

深層学習軽量化・量子化生成マルチモーダル

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-25

Irodori-TTS — A Flow Matching-based Text-to-Speech Model with Emoji-driven Style Control

Emotion-driven Style Controlを使用してテキストから声の変換が実行され、感情のあるテキストをエモタイザブルな声に変換することが可能になります。

生成AI拡散モデル生成テキスト音声

用途: テキスト-to-声の変換
難易度: Easy
コスト: High

品質予測/異常検知深層学習軽量化・量子化生成テキスト動画

githubGitHubあり2026-10-24

Causal-Forcing — [ICML 2026] Official codebase for "Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation" & Causal Forcing++

この論文では、Causal-Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive

用途: 高品質のビデオ生成を実現する。
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-22

GLOW-FM: Efficient Generative Low-Light Image Enhancement with One-Step Latent Flow Matching

Low-light image enhancement (LLIE) aims to recover well-exposed and perceptually faithful images from severely

品質予測/異常検知深層学習軽量化・量子化生成画像

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-22

Papers-in-100-Lines-of-Code — Implementation of papers in 100 lines of code.

この作品は机械学習の論文を100行のコードで実装する方法について説明しています。

コンピュータビジョン3D・点群生成3D

用途: 機械学習論文を100行のコードから実装する
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-21

LongZero: Enhancing Long-Context Reasoning in LLMs from Zero Data

Reinforcement learning (RL) is an effective way to strengthen the long-context reasoning of large language mod

自然言語処理大規模言語モデル生成テキスト強化学習

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-21

wunjo.wladradchenko.ru — Wunjo Make: Face Swap, Lip Sync, Control Remove Objects & Text & Background, Restyling, Audio Separator, Clone Voice, Video Generation. Open Source, Local & Free.

Wunjo Make: Face Swap, Lip Sync, Control Remove Objects & Text & Background, Restyling, Audio Separator, Clone

生成AI拡散モデル生成テキスト音声

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-20

ComfyUI-LTXVideo — LTX-Video Support for ComfyUI

医療画像分析で、深層學習モデルが実装されている問題に対する解決策を提示します。治療を導くために、批判的結果に影響を与える変化について特に重点が置かれています。

用途: 医療画像を分析し治療を導く
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-19

LOB-Impact Benchmark: Emergent Market Impact in Generative Limit Order Book Models

Realistic market impact is essential for generative limit order book (LOB) models to serve as world models for

深層学習Transformer生成テキスト

用途: 生成
難易度: Easy
コスト: Medium

githubGitHubあり2026-10-19

MiniOneRec — Minimal reproduction of OneRec

(この項は、MiniOneRec — Minimal reproduction of OneRecのリポジトリで説明しているため、このリポジトリは削除しました)

用途: モデル再現
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-18

Holo4D: Holistic 4D Reconstruction as Geometric Control for Video Diffusion

Synthesizing a monocular video from a new camera trajectory requires preserving the observed scene geometry an

コンピュータビジョン3D・点群生成動画3D

用途: 生成
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-15

CoSTA: Compressed Speech Token Adaptation for Efficient Spoken Dialogue Models

Spoken Dialogue Models (SDMs) typically share a speech-token space for generation and synthesis, leading to lo

品質予測/異常検知深層学習軽量化・量子化生成音声

用途: 生成
難易度: Easy
コスト: Medium

huggingfaceHugging Faceあり2026-10-14

Amortizing Sequential Experimental Design in Reasoning LLMs

Despite their extensive pretraining knowledge and strong reasoning capabilities, large language models (LLMs)

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-12

DiffusionOPSD — 🔥 On-Policy Self-Distillation in Diffusion Models

🔥 On-Policy Self-Distillation in Diffusion Models

深層学習軽量化・量子化生成画像テキスト

用途: 生成
難易度: Easy
コスト: High

huggingfaceHugging Faceあり2026-10-11

SIMIT: Self-Improving Vision-Language Models via Imagination at Test-Time

We introduce SIMIT, a test-time self-improvement framework in which a vision-language model creates its own qu

自然言語処理プロンプトエンジニアリング生成画像テキスト

用途: 生成
難易度: Easy
コスト: High

githubGitHubあり2026-10-08

HunyuanVideo — HunyuanVideo: A Systematic Framework For Large Video Generation Model

画面の生成モデルであるHunyuanVideoを開発した。HunyuanVideoは、複雑なシーケンスを生成する能力を持つ。

深層学習Transformer生成動画

用途: 画面の生成モデルへの応用
難易度: Easy
コスト: High

githubGitHubあり2026-10-08

VoxCPM — VoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning

マルチラギングスピーチ生成やクリエイティブボイスデザイン、ルートライフクライミングなど、テクスチャファリーTTSの最新技術を実現するためのフレームワークです。

生成AI音声・音楽生成生成テキスト音声

用途: マルチラギングスピーチ生成
難易度: Easy
コスト: Medium

説明可能深層学習Transformer分類生成埋め込み

arxivGitHubあり2026-09-29

NeuroDyn-EEG: An Interpretable Pre-trained Model for EEG Based on Neural Dynamics

Clinical scalp electroencephalography (EEG) offers a noninvasive window into neural dynamics of neuropsychiatr

用途: 分類
難易度: Hard
コスト: High