[. https://huggingface.co/papers/2402.01831][Audio Flamingo: A Novel Audio Language Model with Few-Shot Learning and Dialogue Abilities][. https://github.com/NVIDIA/audio-flamingo?tab=readme-ov-file][NVIDIA]/audio-flamingo

わたし、気になります！[nomadoor.icon]Intel [Corei9-10900F][- 16GB] → 48GB[NVIDIA] Geforce [- [RTX 3070]]

[. https://huggingface.co/nvidia/parakeet-tdt-0.6b-v2][nvidia]/parakeet-tdt-0.6b-v2[. https://huggingface.co/spaces/nvidia/parakeet-tdt-0.6b-v2]Demo>parakeet-tdt-0.6b-v2は、高品質の英語の文字起こしのために設計された 6 億パラメーターの自動音声認識 ([ASR]) モデルで、句読点、大文字と小文字、正確なタイムスタンプ予測をサポートしています。

[. https://research.nvidia.com/labs/toronto-ai/partfield-release/]Project[. https://github.com/nv-tlabs/PartField]nv-tlabs/PartField[. https://arxiv.org/abs/2504.11451][PARTFIELD: Learning 3D Feature Fields for Part Segmentation and Beyond]

頻出度☆☆発生するタイミング原因VRAMが足りていません

https://www.nvidia.com/ja-jp/products/workstations/dgx-station/#Nvidia

[ZLUDA]に対応した[ComfyUI]。当然[Nvidia]グラボを使ってる人には関係のないものなので機にしなくて良い。#ComfyUI#ZLUDA

[. https://www.reuters.com/technology/meta-debuts-new-generation-ai-chip-2024-04-10/][Meta debuts new generation of AI chip]>ロイターは今年初めに、[Meta]がFacebook、Instagram、WhatsAppでAI製品を実行するために必要な計算能力が増大していることに対処するため、カスタムデータセンターチップの新バージョンを展開する予定であると報じました。"Artemis"と社内で呼ばれているこのチップは、Metaが[Nvidia]の(NVDA.O) AIチップへの依存を減らし、全体的なエネルギーコストを削減す

[. https://arxiv.org/abs/2402.16819][Nemotron-4 15B Technical Report][Nemotron][Nvidia]

[. https://github.com/vladmandic/automatic/discussions/1285]nVidia drivers change in memory managementメモリ管理に変更があった[Out of memory]になりかけると、[共有メモリ]を使うようになるこうなると10~90倍生成が遅くなる共有メモリを使わない設定が選べるようになった

[. http://gaugan.org/gaugan2/][gaugan.org]/gaugan2#GauGAN#NVIDIA

[. https://arxiv.org/abs/2310.12931][Eureka: Human-Level Reward Design via Coding Large Language Models]> [AK(@_akhaliq) https://twitter.com/_akhaliq/status/1715184868294889490]> Eureka: Human-Level Reward Design via Coding Large Language Models

[. https://github.com/NVIDIA/Stable-Diffusion-WebUI-TensorRT][NVIDIA]/Stable-Diffusion-WebUI-TensorRT>この拡張機能により、[TensorRT]を使用したStable Diffusionにおいて、[NVIDIA RTX] GPU上で最高のパフォーマンスが得られます。[Stable Diffusion web UI拡張機能]

[. https://developer.nvidia.com/blog/accelerating-vector-search-fine-tuning-gpu-index-algorithms/][NVIDIA]

[. https://nv-tlabs.github.io/GET3D/][https://nv-tlabs.github.io/GET3D/assets/teaser-rotate.mp4][3Dモデル]を生成するモデル[Nvidia]

[. https://www.itmedia.co.jp/news/articles/2308/25/news060.html 複数人の会話から特定の1人だけを音声識別する手法　米[NVIDIA]「CONF-TSASR」開発]> 　話者プロファイルと補助発話（ターゲット話者）が与えられた重複多話者環境において、「単一チャネル話者自動音声認識」という特定の話者の発話を書き起こすタスクがある。この研究では、エンド・ツー・エンドの単一チャネル話者自動音声認識「CONF-TSASR」を提案する。

[. https://research.nvidia.com/labs/toronto-ai/ATT3D/][https://research.nvidia.com/labs/toronto-ai/ATT3D/images/talks/overview_talk.mp4]> テキストから 3D へのモデリングは、テキストから画像への生成モデルとニューラル ラディアンス フィールドなどの画像から 3D への手法を組み合わせることで、刺激的な進歩を遂げています。 [DreamFusion] は最近、高品質の結果を達成しましたが、3D オブジェクトを作成するには、[* プロンプトごとに長時間にわたる最適化が必要]です。これに対処するために、多くのプロンプトを個別にではな

[PYoCo][. https://research.nvidia.com/labs/dir/pyoco/][. https://huggingface.co/papers/2305.10474][. https://arxiv.org/abs/2305.10474]> 我々は、新しいビデオ ノイズ プリアを備えた最先端の画像生成モデル [eDiff-I] から微調整された大規模なテキストからビデオへの拡散モデルである PYoCo を紹介します。 PYoCo は、時間的注意の使用、画像とビデオの共同微調整、カスケード生成アーキテクチャ、専門家によるノイズ除去器のアンサンブルなど、これまでの研究からのいくつかの設計上の選択肢と合わせて、競合他社を上回るビデオ生成

[. https://huggingface.co/nvidia/nemo-megatron-gpt-20B] モデル[NeMo Megatron]を使って学習#Nvidia#NeMo

[. https://docs.nvidia.com/deeplearning/nemo/user-guide/docs/en/stable/nlp/nemo_megatron/intro.html][nemo megatron]#Nvidia

[. https://huggingface.co/nvidia/GPT-2B-001]> GPT-2B-001 is a transformer-based language model. GPT refers to a class of transformer decoder-only models similar to GPT-2 and 3 while 2B refers to the total trainable parameter count (2 Billion).

[. https://arxiv.org/abs/2304.09787][. https://research.nvidia.com/labs/toronto-ai/NFLDM/]> バーチャルリアリティやロボットシミュレーションなどのアプリケーションにおいて、高品質な実世界の3Dシーンを自動的に生成することは非常に重要である。本論文では、複雑な3D環境を合成できる生成モデル、NeuralField-LDMを紹介する。NeuralField-LDMは、高品質な2Dコンテンツを効率的に作成するために利用されている[Latent Diffusion Models]を活用していま

>[_akhaliq https://twitter.com/_akhaliq/status/1648505582188388352] Align your Latents: High-Resolution Video Synthesis with Latent Diffusion Models>> turn the publicly available, state-of-the-art text-to-image LDM Stable Diffusion into an efficient and expressive text-to-video model with resolution up to 1280 x 2048

[https://research.nvidia.com/labs/toronto-ai/VideoLDM/assets/figures/video_ldm_animation.mp4]Project : [. https://research.nvidia.com/labs/toronto-ai/VideoLDM/]Paper : [. https://arxiv.org/abs/2304.08818][Align your Latents]:High-Resolution Video Synthesis with Latent Diffusion Models

https://ja.wikipedia.org/wiki/CUDA>CUDA（Compute Unified Device Architecture：クーダ）とは、[NVIDIA]が開発・提供している、GPU向けの汎用並列コンピューティングプラットフォーム（並列コンピューティングアーキテクチャ）およびプログラミングモデルである。専用のC/C++コンパイラ (nvcc) やライブラリ (API) などが提供されている。なおNVIDIA製GPUにおいては、[Open