Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

NVIDIA は、さまざまな業界のビジュアル AI エージェントの機能を強化するために設計された新しいマイクロサービス スイートを発表しました。ビジョン言語モデル (VLM) を搭載したこれらのエージェントは、自然言語プロンプトを理解し、視覚的な質問に答えることができるため、アプリケーション開発プロセスが大幅に簡素化されます。このテクノロジにより、幅広い認識とコンテキスト理解が可能になり、画像やビデオの要約、インタラクティブなビジュアル Q&A、ビジュアル アラートの生成など、さまざまな変革機能が実現します。

これらのビジュアル AI エージェントは、工場、倉庫、小売店、空港、交差点など、さまざまな場所で導入されることが予想されます。自然なやり取りを可能にすることで、これらのエージェントは、運用チームがより豊富な洞察を通じて情報に基づいた意思決定を行えるように支援することを目指しています。NVIDIA NIM や NVIDIA VIA などの NVIDIA のマイクロサービスは、これらのエージェントの作成を加速するように設計されており、開発者にアプリケーションを簡単に構築およびカスタマイズするためのツールを提供します。

NVIDIA Metropolis Microservices の拡張機能である NVIDIA VIA マイクロサービスが、プレビュー版として開発者向けにダウンロードできるようになりました。これらのマイクロサービスはクラウドネイティブであり、エッジでもクラウドでも、さまざまな環境に展開できます。モジュール アーキテクチャとカスタマイズ可能なモデルのサポートを提供し、録画されたビデオとライブ ストリームの両方に対応します。NVIDIA VIA と NVIDIA NIM の統合により、NVIDIA のAPIカタログから幅広い LLM または VLM モデルを使用できるようになり、OpenAI GPT-4o モデルがデフォルトの VLM として機能します。

マイクロサービスは、長いビデオを小さなセグメントに分割して個別に分析することで、ビデオを要約するという課題にも対処します。このアプローチにより、詳細が失われることなく、アクションが正確に認識されます。NVIDIA VIA の要約機能は、複数の GPU にわたるスケーラビリティに最適化されており、ビデオ ファイルとライブ ストリームの両方を効率的に処理できます。コンテキスト認識 RAG (CA-RAG) モジュールは、ビデオ チャンクから有用な情報を抽出して集約することで、要約をさらに強化します。

NVIDIA の最新の製品は、ビジュアル AI テクノロジを進化させ、幅広いユースケースに合わせてソリューションを革新しカスタマイズするためのリソースを開発者に提供するという同社の取り組みを示しています。さまざまな NVIDIA GPU プラットフォームに展開できる可能性があるこれらのマイクロサービスは、ビジュアル AI エージェントの開発と既存システムへの統合を効率化し、よりインタラクティブで洞察力に富んだアプリケーションへの道を開きます。