AIbase
JA
モデル選定
タグ
マルチモーダル拡散モデル

# マルチモーダル拡散モデル

Cosmos 1.0 Diffusion 7B Text2World
その他
NVIDIAが開発した拡散アーキテクチャに基づくマルチモーダル世界ファウンデーションモデルで、テキスト入力に基づいて高品質な物理知覚ビデオを生成可能
テキスト生成ビデオ
C
nvidia
5,011
220
Cogact Small
MIT
CogACTは、視覚言語モデル(VLM)に基づいて派生した新しい高度な視覚言語動作(VLA)アーキテクチャで、ロボット操作向けに設計されています。
マルチモーダル融合 Transformers 英語
C
CogACT
405
4
Cogact Large
MIT
CogACTは視覚言語モデル(VLM)に基づく新しい高度な視覚言語動作(VLA)アーキテクチャで、ロボット操作のために設計されています。
マルチモーダル融合 Transformers 英語
C
CogACT
122
3
Rdt 1b Test
MIT
robotics-diffusion-transformer/rdt-1bから派生したRDTモデルで、ロボット技術分野に特化しています。
テキスト生成画像 Transformers 英語
R
Ethan-pooh
0
0
Gligen Inpainting Text Image
Openrail
GLIGENは拡散ベースのグラウンディングテキストから画像生成モデルで、テキストプロンプト、バウンディングボックス、参照画像に基づいてリアルな画像を生成できます。
テキスト生成画像
G
anhnct
108
1
Ldm3d 4c
Openrail
LDM3Dはテキストプロンプトから画像と深度マップデータを生成できる潜在拡散モデルで、3Dコンテンツ制作をサポート
テキスト生成画像 英語
L
Intel
1,086
39
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase