TOPIC

マルチモーダル の最新ニュース・解説

マルチモーダル に関連するAI・テクノロジーの動画をAIが映像・音声ごと解析し、要点・数字・注意点まで日本語でまとめた記事が3 本あります。

Two Minute Papers2026/10/12

DeepSeekがOCR光学的圧縮を発表、文書を画像化しトークン数を10分の1に削減

DeepSeekがテキストを画像化して視覚トークンへ圧縮する「DeepSeek-OCR」を公開。Foxベンチマークで10.5倍圧縮時に96.5%の文字再現精度を達成。単一のA100で日量20万ページの合成データを処理する新手法の全容を解説します。

Google DeepMind2026/08/07

Google DeepMind、複数ロボットが言語で連携する「Gemini Robotics 2」の最新デモを公開

Google DeepMindが公開した「Gemini Robotics 2」のデモ動画をベテラン記者が徹底解説。人型ロボット「Apollo 2」がゴミ袋を結ぶ微細な操作や、別ロボット「Duo」と言語で連携してガレージを片付ける最新技術の全容に迫ります。

Google DeepMind2026/07/30

Google DeepMind、複数ロボットが自律連携する「Gemini Robotics 2」を公開

Google DeepMindが「Gemini Robotics 2」による複数ロボットの自律協調システムを公開。音声指示を理解し、異なるロボット同士が連携して複雑な片付けや精密な工具収納タスクを等倍速で実行するデモを詳細に解説します。