open-gigaai/giga-models

GigaModels – すぐに使えるAIパイプラインのツールボックス

何であるか – GigaModelsは、多数の事前学習済みの視覚・拡散・マルチモーダルモデル（例：Grounding DINO、Depth Anything、GigaBrain‑0、Pi0、Cosmos‑Predict2.5）を統一された load_pipeline API の背後でラップするオープンソースのPythonパッケージです。推論と学習の両方をサポートし、即座に実行可能なスクリプトを提供し、conda + pipでインストール可能です。

主なアイデア

• 統一インターフェース – 各モデルタイプ（例：深度推定、物体検出、拡散動画生成）は、同じ呼び出しシグネチャ（pipeline(input)）を持つ *Pipeline クラスでラップされています。
• 広範なカバー – リポジトリには30以上のパイプラインがリストアップされており、以下の分野をカバーしています：
  • 視覚言語行動（VLA）モデル：GigaBrain‑0、Pi0、Pi0.5
  • 動画予測/転送用の拡散モデル：GigaWorld‑0、Cosmos‑Predict2.5、Cosmos‑Transfer2.5
  • 伝統的な視覚タスク：深度（Depth Anything、DPT）、検出（Grounding DINO）、エッジ検出（Canny、HED、Lineartなど）、フレーム補間（Film）、画像修復（PromptIR）、キーポイント検出（OpenPose、RTMPose）、オプティカルフロー（UniMatch）、セグメンテーション（Grounded SAM 2、Segment Anything、UperNet）、ショット境界検出（TransNetV2）。
• 推論と学習の両方 – VLAおよび拡散モデルの家族については、READMEに個別の推論スクリプトと学習設定へのリンクがあり、研究者がモデルを微調整できるようにしています。
• モジュール構造 – ソースツリーは giga_models/pipelines/<task>/<model>/pipeline_*.py と projects/ フォルダに整理されており、例のスクリプトと設定ファイルが含まれています。

インストール

conda create -n giga_models python=3.11.10
conda activate giga_models
git clone https://github.com/open-gigaai/giga-models.git
cd giga-models
pip install -e .

パッケージは編集可能なモードでインストールされるため、ローカルでパイプラインを編集できます。

クイックスタート例

from PIL import Image
from giga_models import load_pipeline

img = Image.open('my_photo.jpg')
# Grounding DINOによる物体検出
pipe = load_pipeline('detection/grounding_dino/swint_ogc')
boxes, labels, scores = pipe(img, ['person', 'car'])

# Depth Anything V2 Largeによる深度推定
from giga_models import DepthAnythingPipeline
pipe = DepthAnythingPipeline('depth-anything/Depth-Anything-V2-Large-hf').to('cuda')
depth = pipe(img)

このパターンは、リストアップされた任意のパイプラインで同様に動作します。

貢献方法 – このプロジェクトはApache‑2.0ライセンスに従っており、プルリクエストを歓迎しています。CONTRIBUTING.md ファイルにはコーディングスタイル、テスト方法、新しいパイプラインの追加方法が記載されています。

引用 – GigaModelsを研究で使用する場合、READMEに示されている通りにリポジトリを引用してください。

---

結論 – GigaModelsは、各モデルのボイラープレートを個別に扱わずに、多数の最先端の視覚および生成パイプラインを即座に実験できる、本格的でプロダクション対応のマルチモーダル・パーセプチュアルAIモデルのコレクションです。開発者向けにプラグアンドプレイのソリューションを提供しています。