今週試すべきAI/機械学習実装

コンピュータビジョン物体検出分類検出セグメンテーション

ultralytics — Ultralytics YOLO 🚀

ultralyticsはYOLO(You Only Look Once)の技術を使用したオブジェクト検出ライブラリで、高い精度を提供している。

用途: オブジェクト検出
難易度: Easy
コスト: Low

強化学習方策勾配 (PPO / A3C)分類テキスト

paperless-ngx — A community-supported supercharged document management system: scan, index and archive all your documents

paperless-ngxは、コミュニティによってサポートされたスーパーチャージドのドキュメント管理システムで、ドキュメントのスキャン・インデックス・アーカイブが可能である。

用途: ドキュメント管理
難易度: Easy
コスト: Low

コンピュータビジョン物体検出分類セグメンテーション画像

label-studio — Label Studio is a multi-type data labeling and annotation tool with standardized output format

データラベル化と注釈化を行うためのツールです。

用途: データラベル化ツール
難易度: Easy
コスト: Low

品質予測/異常検知機械学習教師あり学習分類検出画像

fiftyone — Refine high-quality datasets and visual AI models

FiftyOneは、データセットの精査とAIモデル可視化を支援するライブラリです。このライブラリは、データセットの品質を高め、AIモデルを可視化するのを支援するために使用できます。

用途: データセットの精査とAIモデル可視化
難易度: Easy
コスト: Low

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

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

FunASR — Industrial-grade speech recognition toolkit: 170x realtime, 50+ languages, speaker diarization, emotion detection, streaming, and OpenAI-compatible API.

電気生理信号から表現を学習し、脳コンピューターインターフェースの開発を支援する。

深層学習Transformer分類検出テキスト

用途: 電気生理信号から表現を学習する
難易度: Easy
コスト: Low

compromise — modest natural-language processing

この研究では、自然言語処理の負担を減らすモジュラリティを目指しています。モジュラリティとは、システムを小さくて独立した部分に分割して、それぞれを簡素化することです。この研究では、文脈に応じてモジュラリティを変更できるメカ

自然言語処理分類音声

用途: 自然言語処理の簡素化
難易度: Easy
コスト: Low

今週伸びたGitHub

tensorflow — An Open Source Machine Learning Framework for Everyone

TensorFlowはオープンソースの機械学習フレームワークで、誰でも使用できるように設計されている。

prompts.chat — f.k.a. Awesome ChatGPT Prompts. Share, discover, and collect prompts from the community. Free and open source — self-host for your organization with complete privacy.

prompts.chatは、コミュニティが共有したChatGPT用のプロンプットを発見・収集できる場所で、無料でオープンソースで提供されている。

自然言語処理大規模言語モデル

transformers — 🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training.

🤗 Transformersは、テキスト・ビジョン・音声など複雑なモデル定義をサポートするフレームワークで、インフェレンスターやトレーニングに使用できる。

深層学習Transformer分類テキスト音声

ComfyUI — The most powerful and modular diffusion model GUI, api and backend with a graph/nodes interface.

runanywhere-sdksは、AIをローカルに実行するために使用できるプロダクションレディのツールキットです。

生成AI拡散モデル

pytorch — Tensors and Dynamic neural networks in Python with strong GPU acceleration

pytorchはPythonでTensorや動的ニューラルネットワークを実装でき、強力なGPUアクセラレーションをサポートしている。

opencv — Open Source Computer Vision Library

このリポジトリでは、64MパラメータのGPTを完全にTrainingし、2時間以内に完成させる手法を提供します。

深層学習画像

すぐ試せる候補

pytorch — Tensors and Dynamic neural networks in Python with strong GPU acceleration

pytorchはPythonでTensorや動的ニューラルネットワークを実装でき、強力なGPUアクセラレーションをサポートしている。

自然言語処理大規模言語モデルテキスト音声マルチモーダル

screenpipe — YC (S26) | AI that knows what you've seen, said, or heard. Records everything you do, say, hear 24/7, local, private, secure

ユーザーの行動を認識し、オートエージェントを構築するためのツール。

rllm — Democratizing Reinforcement Learning for LLMs

このリポジトリでは、AIエンジニアリングのためのリソースを提供しています。

自然言語処理大規模言語モデル強化学習

remove-ai-watermarks — CLI and Python library to strip visible and invisible AI watermarks and provenance metadata (SynthID, C2PA, EXIF/XMP "Made with AI", Gemini sparkle) from AI-generated images

音声認識、声活動検出、テキスト処理などを行う、基盤となる音声認識ツールキットを提供する。

自然言語処理大規模言語モデル生成画像

vllm — A high-throughput and memory-efficient inference and serving engine for LLMs

このリポジトリでは、私的なAIプラットフォームであるDocGPTを提供しています。

深層学習Transformer

tensorflow — An Open Source Machine Learning Framework for Everyone

TensorFlowはオープンソースの機械学習フレームワークで、誰でも使用できるように設計されている。

Materials / 製造業候補

Discovering Functionally Selective Brain Regions with a Deep Topographic Multimodal Model

この研究では、脳部帯域内のニューロンが同じ反応プロファイルを持つと仮定し、近接な脳部帯域内のニューロンの反応プロファイルを推論し、分野間の結合を特定しました。

自然言語処理RAG画像マルチモーダル

少数データ向き表形式向き深層学習軽量化・量子化回帰テキスト表形式

In-Context Learning for Latent Space Bayesian Optimization

Bayesian optimization (BO) is a central tool for sample-efficient design, and latent-space Bayesian optimizati

Automating the Expert Eye: A System-Agnostic Deep Learning Framework for Rare Event Discovery in Imbalanced Force Spectroscopy

SMFS データの自動化された分析を提案。モデルを使用して、不均衡された SMFS データを分析する方法を提案した。

説明可能MI向き深層学習CNN生成画像

Dense Force Estimation with an Event-based Optical Tactile Sensor

Humans rely on spatially dense, geometry and force-aware tactile feedback at high temporal resolution for dext

センサ/時系列深層学習CNN3D

説明可能センサ/時系列深層学習CNN画像テキストマルチモーダル

Zero-Shot Semantic Re-Identification for Autonomous Driving: A VLM Baseline Study

この研究では、ゼロショットセマンティック再特定の基準を設定し、画像のセマンティック特定を自動化します。

品質予測/異常検知深層学習軽量化・量子化テキスト強化学習

PBSD: Privileged Bayesian Self-Distillation for Long-Horizon Credit Assignment

この研究では、長期的なタスクの再帰の信用割当問題に対処するために、長期的なタスクの再帰をサポートするPrivileged Bayesian Self-Distillation (PBSD) を提案します。