GANTZ High-Resolution Photographer_Video② 続きはこちら💁‍♀️💕 🍑fantia 🍑myfans See more💁‍♀️💕 🍑Patreon 🍑

GANTZ High-Resolution Photographer_Video② 続きはこちら💁‍♀️💕 🍑fantia 🍑myfans See more💁‍♀️💕 🍑Patreon 🍑

GANTZ High-Resolution Photographer_Video① 続きはこちら💁‍♀️💕 🍑fantia 🍑myfans see more💁‍♀️💕 🍑Patreon 🍑

GANTZ High-Resolution Photographer_Image 続きはこちら💁‍♀️💕 🍑fantia 🍑myfans See more💁‍♀️💕 🍑Patreon 🍑

VideoChat3が発表された（https://arxiv[.]org/html/2607.14935v1）。南京大学や上海AI研究所などの研究チームによる完全オープンソースの動画理解MLLM（マルチモーダル大規模言語モデル）で、パラメータ数はわずか4Bながら、同規模のQwen3-VL-4Bとの直接比較19項目中18項目で上回っている。 動画理解が難しいのは、静止画と違って動きや前後の文脈まで把握する必要があるからだ。既存モデルの多くはフレームを1枚ずつ独立した画像として処理するため、長尺動画やライブ配信でトークン数（モデルが処理する情報の単位）が爆発的に増えて重くなりがちだった。 そこでVideoChat3は視覚エンコーダー（映像を数値情報に変換する部品）にI3D-ViTを導入した。隣接フレームをまとめて空間・時間の両方向で処理してから時間方向に圧縮し、既存の空間圧縮と組み合わせて映像トークン数を全体で16分の1に減らしている。 さらにライブ配信向けにAdaptive Frame Resolutionという仕組みも入れた。サッカー中継で中盤のパス回しは流し見してゴール前だけ集中するのと同じ発想で、「見送り」「注視準備」「応答」の3状態を切り替えながら重要な瞬間だけ高解像度で処理する。ここの学習設計が面白い。素直に全フレームへ同じ重みで学習させると「見送り」ばかり選んでほとんど応答しなくなり（F1スコア5.8）、逆に状態の切り替わる瞬間だけに絞ると、映像を見なくても直前のパターンから「とりあえず応答する」抜け道を覚えてしまい、当たっていたのは11.8%だけだった（見逃しは少なく再現率97.9%なのに）。両者をバランスさせる工夫で、最終的にF1スコアを35.5まで引き上げている。 ベンチマークでもMotionBenchで61.7点、TempCompassで75.6点とオープンモデル最高スコアを記録し、ストリーミング理解のODVBenchではオンライン動画理解に特化したStreamForestを12.4ポイント上回る72.3を出した。長尺動画の処理も速く、2048フレームの動画ではQwen3-VL比でレイテンシを44.4秒から20.4秒に短縮している。 モデルの重みだけでなく学習コード・学習戦略・約300万件のデータセットまで全部公開しているのも特徴で、再現性を重視した設計思想が伝わってくる。

🔎 「エージェント検索に埋め込みもベクトルDBも要らない。grepで生コーパスを直接叩け」という挑発的な研究です。 タイトル: Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction URL: ❓ Direct Corpus Interaction(DCI)とは何ですか？ 💡 埋め込みモデル・ベクトルインデックス・検索APIを一切使わず、エージェントがgrepやfind、シェルコマンドで生コーパスを直接探索する検索パラダイムです。オフラインのインデックス構築が不要で、変化し続けるローカルコーパスに自然に適応します。 ❓ なぜ従来のリトリーバではダメなのですか？ 💡 BM25でも密ベクトルでも、コーパスを「固定の類似度インターフェース」でtop-kに圧縮してから推論を始めます。すると厳密な字句一致や弱い手がかりの結合、局所文脈の確認がしづらく、早期に落ちた証拠は後段でどれだけ推論しても復元できません。エージェントの多段探索には致命的です。 ❓ 本当にリトリーバなしで勝てるのですか？ 💡 勝てます。BrowseComp-Plusでは同じSonnet 4.6でリトリーバをDCIに替えると正答率69.0→80.0%(+11.0)かつコスト−29.4%。多段QA平均は83.0で最強ベースライン比+30.7、IRランキングはNDCG@10で68.5(+21.5)。軽量なGPT-5.4 nano版でも多くのベースラインを上回りました。 ❓ 何が効いているのですか？ 💡 著者らは「retrieval interface resolution(検索インターフェースの解像度)」と呼びます。優位は多くのgold文書を出すことより、到達後に小さな証拠スパンへ精密に絞り込む高解像度な局所探索・検証から来る、と軌道分析で示しています。 #AIエージェント# #RAG#

🔎 「エージェント検索に埋め込みもベクトルDBも要らない。grepで生コーパスを直接叩け」という挑発的な研究です。 タイトル: Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction URL: ❓ Direct Corpus Interaction(DCI)とは何ですか？ 💡 埋め込みモデル・ベクトルインデックス・検索APIを一切使わず、エージェントがgrepやfind、シェルコマンドで生コーパスを直接探索する検索パラダイムです。オフラインのインデックス構築が不要で、変化し続けるローカルコーパスに自然に適応します。 ❓ なぜ従来のリトリーバではダメなのですか？ 💡 BM25でも密ベクトルでも、コーパスを「固定の類似度インターフェース」でtop-kに圧縮してから推論を始めます。すると厳密な字句一致や弱い手がかりの結合、局所文脈の確認がしづらく、早期に落ちた証拠は後段でどれだけ推論しても復元できません。エージェントの多段探索には致命的です。 ❓ 本当にリトリーバなしで勝てるのですか？ 💡 勝てます。BrowseComp-Plusでは同じSonnet 4.6でリトリーバをDCIに替えると正答率69.0→80.0%(+11.0)かつコスト−29.4%。多段QA平均は83.0で最強ベースライン比+30.7、IRランキングはNDCG@10で68.5(+21.5)。軽量なGPT-5.4 nano版でも多くのベースラインを上回りました。 ❓ 何が効いているのですか？ 💡 著者らは「retrieval interface resolution(検索インターフェースの解像度)」と呼びます。優位は多くのgold文書を出すことより、到達後に小さな証拠スパンへ精密に絞り込む高解像度な局所探索・検証から来る、と軌道分析で示しています。 #AIエージェント# #RAG#

#coldmoon# 🥀冷たい視線コンテスト開催：4/25 〜 5/4 冷たい視線が心を凍らせるような作品を集めるコンテストを開催します。 このコンテストは、「冷たい視線」の表現力を磨くことに特化しています。 目元の描き方、光の反射、感情の込め方など、キャラクターアートのクオリティを大きく左右する重要な技術を、意識的に練習できる機会です。 冷たい視線を極めることで、作品全体の印象が格段に強くなり、観る人の心に残るアート制作スキルが向上します。 ・見るだけでゾクッとする冷たい視線 ・表情をメインに制作してください。 ■ エントリー要件 ・AI生成作品であること ・冷たい視線が感じられること ・#coldmoon# をつけて投稿 ・重複投稿可能 ■ クリエイトのポイント 💠冷たい視線・表情を一番の主役に 💠色・光・質感・雰囲気すべてで「冷たさ」が伝わるように 💠暖かい色は極力抑えて、冷たい印象を強く出す ■汎用性のあるベースプロンプトはこちら （このままコピペしてエントリー可能） masterpiece, best quality, ultra high resolution, highly detailed, 2:3 vertical, anime style, anime illustration, clean line art, vibrant colors, sharp lines, beautiful female character with long flowing silver-white hair, pale skin, intricate spiky ice crystal crown made of sharp thorns and frost, wearing ornate frozen white and silver outfit with crystalline details, cold piercing eyes, icy blue or pale grey eyes, intense cold gaze directly at viewer, chilling and melancholic expression, subtle yet powerful emotion, dramatic cinematic lighting, cold atmosphere, volumetric light, snow particles in the air, background: snowy mountain landscape or frozen wasteland or misty ice palace at twilight, --- cold gaze focus --- strongly emphasize the cold, freezing, piercing eye expression that gives chills to the viewer, make the cold gaze the main focal point, --- rules --- main color palette: white, silver, ice blue, light grey (minimal） 冷たい視線を極めて、作品のクオリティを次のレベルへ。 たくさんのご参加おまちしています。

【自然言語版：キャラ紹介風プロンプト紹介】 みなさん、こんにちは！ どうやらかなり好評だったようなので、こちらのバージョンも紹介します👍 ③と④は少し応用してみたやつで、よかったらみなさんも自分なりのカスタマイズにも挑戦してみてくださいね✨ ---- 【ベースプロンプト】 ①の画像 A high-quality, highly detailed anime illustration of a single girl wearing a Japanese school uniform with a blazer and pleated skirt. The composition features the same character shown in two views within one image: a large upper-body close-up on one side and a full-body view on the other, arranged in a clean and well-balanced layout. The character has a cute and cheerful expression, smiling while looking at the viewer. In the full-body view, she is standing in a dynamic and energetic pose, slightly reaching forward with one hand, creating a sense of motion and depth. The artwork has a soft, aesthetically pleasing style with crisp linework and vibrant yet gentle colors. The background is simple and cute, decorated with light pastel shapes, keeping the focus on the character while maintaining a clean composition. Masterpiece quality, extremely high resolution, and visually polished with a refined anime aesthetic. ---- ②の画像 A high-quality, highly detailed anime illustration of a single girl wearing a Japanese school uniform with a blazer and pleated skirt. The composition presents the same character in three different views within one image: a large upper-body close-up, a full-body view, and a small chibi version. All three depictions clearly represent the same girl, with identical hairstyle, facial features, eye color, and outfit design. The upper-body view is the most prominent, showing her face in detail with a soft and cute smile while looking at the viewer. The full-body version shows her standing in a dynamic and energetic pose, slightly reaching forward with one hand to create a sense of motion and depth. A small chibi character is also included, simplified and super deformed in style, with a cute and playful pose, adding charm and visual variety to the composition. The layout is clean and well-balanced, with the three views arranged like a character sheet or promotional illustration. The background is simple and cute, featuring soft pastel shapes that enhance the overall aesthetic without distracting from the character. Masterpiece quality, extremely high resolution, polished anime style, clean lineart, soft lighting, and a visually appealing, well-organized composition. ---- これ以外の小ネタや自分作成の衣装は随時記事にまとめていくので、 気になる方はそちらもぜひチェックしてみてください💪