Ultralyticsの今後の方向性
リアルタイムビジョンAIを数百万人に届けたモデルから、今後リリースされる技術まで。これまで提供してきた機能と今後の予定をご紹介します。
リアルタイム物体検出を数百万人に届けたリリース — PyTorchネイティブで高速かつ、非常に学習しやすいモデルです。
検出、セグメンテーション、分類、姿勢推定、方向付きバウンディングボックスに対応した単一フレームワークです。
より少ないパラメータでより高い精度を実現する洗練されたアーキテクチャであり、Ultralytics YOLO Vision 2024で発表されました。
現在推奨しているモデル — より高速で高精度、あらゆるビジョンタスクで本番環境への導入が可能です。
データの注釈付け、YOLOモデルのトレーニング、そして世界42のリージョンへのデプロイをすべて1か所で行えるエンドツーエンドのプラットフォームです。
初のセマンティックセグメンテーションモデル — シーン全体を詳細に理解するための、高密度なピクセル単位のクラスラベルを提供します。
Rustで書かれた高性能なYOLO推論ライブラリおよびCLIであり、UltralyticsのPythonパッケージに一致するよう設計されたAPIの背後で、ONNX Runtime上でモデルを実行します。
サーバーやPythonを使わず、ブラウザ上で直接YOLOモデルを実行します。WebAssemblyにコンパイルされたRustクレートを基盤とする小さなTypeScript APIの背後で、自動的なCPUおよびWasmフォールバックを備えたWebGPU上で動作します。
YOLO26を支える研究論文 — NMS不要のエンドツーエンド設計、新しいMuSGDオプティマイザー、および5つのモデルスケールすべてにおける最先端の精度とレイテンシのトレードオフについて詳しく解説しています。
より高速で高精度なマルチオブジェクトトラッキング — 実世界のビデオにおいて、遮蔽や混雑したシーンでも安定したID追跡を実現します。
- Re-ID — 再識別機能により、カメラを跨いでも、遮蔽が発生しても物体IDの一貫性を保持します。
組み込みの知識蒸留（knowledge distillation）は、大きな教師モデルをより小さく高速な生徒モデルに圧縮し、効率的なエッジおよびリアルタイムのデプロイメントのために精度を維持するのに役立ちます。
YOLO26の深度モデルは、単一のRGBカメラから高密度のピクセル単位の距離マップを予測し、特殊な深度センサーやLidarを使用せずに3D空間認識を実現します。
Ultralytics YOLO Vision 2026
Ultralytics YOLO Vision 2026 でライブ発表された次世代フラグシップ世代の YOLO は、ファミリーをビジョン言語へと拡張します。
- YOLO-VLM — 軽量なYOLOフロントエンドが深層のLLMレイヤーに接続し、効率的なビジョン言語パイプラインを構築します。
iOS 27およびmacOS 27が一般公開された後、YOLOモデルをAppleの新しい.aimodel形式（Core AIランタイム用）にエクスポートできるようにします。同時に、より広範なデバイスとの互換性を確保するためCore MLのサポートも維持します。
年内のPlatform開発は、以下の3つの製品重点分野を推進します。
- Auto-Training — LLMを活用した反復的なトレーニング分析。各実行を自動診断し、連続するラウンドを通じて構成を洗練させることで、精度をさらに向上させます。
- On-Premise — 自社のインフラ内でPlatformを実行し、データとトレーニングを完全に制御下に置くことができます。
- Monitoring — パフォーマンスの追跡、ドリフトの検知、およびデプロイの健全性維持を行うための本番モデルモニタリングです。
2027年を通じて、YOLOファミリーに新しい機能が追加されます。
- YOLO-OCR — 高速かつ高精度な文字認識
- YOLO-Face — 顔認識および分析
- YOLO-Stereo3D — ロボット工学向けの双眼カメラペアによるステレオ3D検出で、LiDARに代わるカメラネイティブな手法です。
最新のYOLOを活用する
今すぐYOLO26での学習とデプロイを始め、次の展開に備えましょう。