トピック: Diffusion Transformer (DiT)

全セクション横断 4 件

画像生成の拡散Transformerに、ステップごとに更新する予測埋め込みを条件として与える手法NEPAが提案された。ImageNetでFID1.32を達成し、学習計算量は従来REPAの約3分の1である。

米マイクロソフト研究チームが、画像生成AIの内部表現を転用して生成品質を自動評価する報酬モデル「DiT-Reward」を開発した。既存手法を全主要指標で上回り、広告・EC・メディア業界の制作工程に直接影響を及ぼす可能性がある。

アリババ系Qwenチームが言語命令で未来映像を予測する世界モデル「Qwen-RobotWorld」を発表した。製造・物流・自動運転の開発期間短縮とデータ収集コスト削減に直結する技術として注目を集めている。

米研究チームが画像1枚から可視面と遮蔽面を同時に推定する3D形状生成技術「World Tracing」を発表。製造・小売・エンタメ業界のデジタルツイン構築コストと工数を大幅に削減する可能性がある。