SenseTime、ネイティブ4K出力と完全なビジュアル編集機能を備えた80億パラメータの軽量マルチモーダルモデルを発表
SenseTimeは、軽量なネイティブ統合型マルチモーダル大規模モデル「SenseNova U1.5Lite」を正式にリリースしました。80億パラメータを備えたこの高効率なモデルは、主要な視覚タスクにおいて同規模の競合モデルを上回る性能を発揮し、複雑なレイアウトやテキストレンダリングのシナリオにおいても、大規模な商用モデルと同等の性能を発揮します。

SenseNova U1.5Liteは、3K~4Kのコンテキスト長をネイティブでサポートし、被写体、数量、空間関係、テキスト、レイアウト、スタイルなど、複数の制約を同時に処理することで、複雑な視覚処理においてより高い安定性を確保します。
本モデルには、いくつかの主要な機能強化が盛り込まれています。第一に、構図、色彩、材質、照明、写実性、局所的なディテールを改善することで、より高品質な視覚生成を実現し、局所的には正確だが全体として不完全な出力という一般的な問題を効果的に防止します。 第二に、堅牢なネイティブ画像編集機能を提供し、被写体のアイデンティティ、空間構造、レイアウト、編集不可領域をより適切に保持しつつ、局所的な修正、要素の置換、テキストの微調整、および複数参照編集を強化しています。

さらに、このモデルはテキストや複雑なレイアウトの処理に優れており、中国語および英語のテキスト、ポスター、インフォグラフィック、ブランドビジュアル、マルチテキストの書式設定における機能を強化し、完全な視覚的表現を実現します。 精密な制御のために、バウンディングボックス、ビジュアルマーカー、および単一または複数の画像参照に対応しています。特に、ネイティブの4K高解像度出力を実現し、マクロな構図と微細なテクスチャ、小さなテキスト、照明効果の両方を維持します。
プロジェクトURL:https://github.com/OpenSenseNova/SenseNova-U1
関連記事
Claude、初の完全な紫外線全天マップを公開、1億1900万個の星をマッピング
Claude、Anthropicの大規模言語モデルの強力な支援により、天体物理学者たちは史上初となる完全な紫外線全天マップの生成に成功した。この1億1900万個の星を特徴とする広大な星図は、Claudeによって過去のマルチ波長天文データを用いて主に作成され、天空の約3分の1をカバーしている。この画期的な成果は、紫外線観測望遠鏡が意図的に天の川銀河の明るい領域を避けたために50年間も存在し続いた歴史的な空白を埋めるものである。全天マップの作成は、天文学研究において要求が高く複雑な体系的プロジェク
AWSとNVIDIAが、エージェント型AIとフィジカルAIをどのように支えているか
NVIDIAのCEO、ジェンセン・フアン氏(写真提供:大隅智弘/ゲッティイメージズ)ジェンセン・フアン氏が率いるNVIDIAとAWSは、グローバルなパートナーシップを拡大し、次世代のエージェント型および物理AI向けエンタープライズインフラを支えるために200万個のGPUを導入するAWSとNVIDIAは、世界的に高まるAIインフラへの需要に応えるため、長年にわたる戦略的提携を大幅に拡大すると発表した
脳波トレーニングロボット:人間の脳信号によって推進される物理的AIの次の飛躍
カリフォルニア州サンレアンドロの倉庫内で、データツールの企業Encordは革新的な実験を行っています。「パイロット」はカメラと脳波(EEG)センサー付きのヘッドセットを着用し、ジェンガをしながら脳の活動データを取得しています。Zander LabsのEEGヘッドセットは、精密な作業中に脳波をリアルタイムで追跡し、エラーや驚きなどの精神状態を推測して、ロボットモデルのためのより豊かなトレーニングデータセットを構築しています。Encordは、人間型ロボットや倉庫ロボットの主要な課題はモデルアーキテ
関連特集おすすめ
コメント (0)
0/500
SenseTimeは、軽量なネイティブ統合型マルチモーダル大規模モデル「SenseNova U1.5Lite」を正式にリリースしました。80億パラメータを備えたこの高効率なモデルは、主要な視覚タスクにおいて同規模の競合モデルを上回る性能を発揮し、複雑なレイアウトやテキストレンダリングのシナリオにおいても、大規模な商用モデルと同等の性能を発揮します。

SenseNova U1.5Liteは、3K~4Kのコンテキスト長をネイティブでサポートし、被写体、数量、空間関係、テキスト、レイアウト、スタイルなど、複数の制約を同時に処理することで、複雑な視覚処理においてより高い安定性を確保します。
本モデルには、いくつかの主要な機能強化が盛り込まれています。第一に、構図、色彩、材質、照明、写実性、局所的なディテールを改善することで、より高品質な視覚生成を実現し、局所的には正確だが全体として不完全な出力という一般的な問題を効果的に防止します。 第二に、堅牢なネイティブ画像編集機能を提供し、被写体のアイデンティティ、空間構造、レイアウト、編集不可領域をより適切に保持しつつ、局所的な修正、要素の置換、テキストの微調整、および複数参照編集を強化しています。

さらに、このモデルはテキストや複雑なレイアウトの処理に優れており、中国語および英語のテキスト、ポスター、インフォグラフィック、ブランドビジュアル、マルチテキストの書式設定における機能を強化し、完全な視覚的表現を実現します。 精密な制御のために、バウンディングボックス、ビジュアルマーカー、および単一または複数の画像参照に対応しています。特に、ネイティブの4K高解像度出力を実現し、マクロな構図と微細なテクスチャ、小さなテキスト、照明効果の両方を維持します。
プロジェクトURL:https://github.com/OpenSenseNova/SenseNova-U1
Claude、初の完全な紫外線全天マップを公開、1億1900万個の星をマッピング
Claude、Anthropicの大規模言語モデルの強力な支援により、天体物理学者たちは史上初となる完全な紫外線全天マップの生成に成功した。この1億1900万個の星を特徴とする広大な星図は、Claudeによって過去のマルチ波長天文データを用いて主に作成され、天空の約3分の1をカバーしている。この画期的な成果は、紫外線観測望遠鏡が意図的に天の川銀河の明るい領域を避けたために50年間も存在し続いた歴史的な空白を埋めるものである。全天マップの作成は、天文学研究において要求が高く複雑な体系的プロジェク
AWSとNVIDIAが、エージェント型AIとフィジカルAIをどのように支えているか
NVIDIAのCEO、ジェンセン・フアン氏(写真提供:大隅智弘/ゲッティイメージズ)ジェンセン・フアン氏が率いるNVIDIAとAWSは、グローバルなパートナーシップを拡大し、次世代のエージェント型および物理AI向けエンタープライズインフラを支えるために200万個のGPUを導入するAWSとNVIDIAは、世界的に高まるAIインフラへの需要に応えるため、長年にわたる戦略的提携を大幅に拡大すると発表した
脳波トレーニングロボット:人間の脳信号によって推進される物理的AIの次の飛躍
カリフォルニア州サンレアンドロの倉庫内で、データツールの企業Encordは革新的な実験を行っています。「パイロット」はカメラと脳波(EEG)センサー付きのヘッドセットを着用し、ジェンガをしながら脳の活動データを取得しています。Zander LabsのEEGヘッドセットは、精密な作業中に脳波をリアルタイムで追跡し、エラーや驚きなどの精神状態を推測して、ロボットモデルのためのより豊かなトレーニングデータセットを構築しています。Encordは、人間型ロボットや倉庫ロボットの主要な課題はモデルアーキテ





家






