本文へ移動

#画像生成

今日 0 件

11月13日

金曜日
  1. Phota Labs、日常写真をプロ級に仕上げるiOS向けAI写真アシスタントを公開

    a16zが出資するPhota Labsは、日常のスナップ写真を自動でプロの撮影風に仕上げるiOSアプリを公開した。独自のパーソナライズ技術により、人物の本来の姿を保ちながら編集する。ユーザーは軽微な調整から魚眼レンズやアングル変更といった大胆な変換まで、複数の撮影スタイルを選べる。編集後の画像にはAIによる修正を示す不可視のウォーターマークが付く。アプリは無料で提供され、同社は昨年560万ドルのシードラウンドを完了。今後はAndroid版の提供やフリーミアムモデルの検討も計画している。

11月12日

木曜日
  1. Hugging Face、3D生成モデルTRELLIS.2のファインチューニングガイドを公開

    Hugging Faceは3D生成モデルTRELLIS.2のファインチューニング用スクリプトとコンテナを公開した。ローカルでもHugging Face Jobs上でも実行できる。PEFTライブラリで疎構造フローDiTと形状フローDiTにLoRAアダプターを追加し、マテリアル生成段階を凍結する手法で、GSOデータセットの靴188点において靴底の形状精度を改善する。

11月11日

水曜日
  1. Adobe、AI実験プロジェクトを公開:写真の中を歩き、キャラクターと対話してオーディション

    Adobeは年次イベントMaxで複数の実験的AIツールを発表した。Project Screen Testは対話を通じてAIキャラクターを形作り、オーディション動画を生成できる。Project Sight Spanは平面画像を自由に視点を動かせる3Dシーンに変換する。

11月10日

火曜日
  1. Disney、Adobe Fireflyと組みブランド安全なカスタムAIモデルを構築

    DisneyとAdobeは複数年にわたる提携を発表し、Adobe Firefly Foundryを使ってDisneyブランド向けのカスタムAIモデルを構築する。学習データにはDisneyのキャラクター、環境、ビジュアルスタイルが含まれ、商用利用可能で制作にそのまま使えるコンテンツを生み出す。

  2. ByteDanceのSeedream 5.5が登場、100回の編集でも色ずれなしと主張

    ByteDance Seedは、プロフェッショナルな制作ワークフロー向けの画像生成モデルSeedream 5.5を発表した。最大100回のマルチターン編集に対応し、変更していない領域はピクセル単位で保持され、色ずれも起きないとしている。透明背景のRGBA画像をネイティブに生成でき、生成した要素をそのままデザイン素材として使える。光照・素材・肌のテクスチャがよりリアルになり、密集した小さな文字の再現精度も向上したと主張している。

  3. Instagram、AIプロンプトでStories用フィルターを生成する「Effect Builder」を公開

    Instagramは、AIプロンプトでStories用のカスタムフィルターを生成できる「Effect Builder」を公開した。米国の18歳以上のユーザーが利用でき、スタイル参考画像の添付や、自分の写真をアップロードして効果をプレビューすることも可能。追加のプロンプトで修正を指示でき、InstagramのAIにプロンプトを書き換えさせることもできる。生成したフィルターは安全審査を通過しないと他のユーザーには公開されず、使用時にはInstagramが作者のプロフィールへリンクする。

11月5日

木曜日
  1. ChatGPT、プロンプトや写真からGIFを生成可能に

    ChatGPTは現在、プロンプトまたはアップロードした写真からGIFを生成でき、アニメーション速度の調整、フレーム単位の編集、共有に対応する。これまでChatGPTはGIFを一度にネイティブ生成できなかった。この機能はOpenAIのImages 2.6モデルとともに提供され、Images 2.6は画像生成の高速化も実現し、全ChatGPTおよびCodexユーザーにウェブ、デスクトップ、モバイルで開放される。

11月4日

水曜日
  1. ベゾスとジェイソン・ステイサムの植毛写真は偽造、AIか画像加工の偽情報がSNSで拡散

    ベゾスとジェイソン・ステイサムの「植毛後」の写真がX、Threads、Blueskyで拡散しているが、実際は画像加工かAIによる偽造である。The VergeがGoogleの画像逆検索で原画像を特定したところ、ベゾスの写真は2023年、ステイサムの写真は2011年の撮影で、いずれも髪はなかった。これらの画像にはContent CredentialsやSynthIDのマークは検出されておらず、AIツールで生成されたかどうかはまだ確認できていない。

11月1日

日曜日
  1. Adobe、AIエージェントがPhotoshopのプロのようにツールを選ぶ「EditAgent」を研究

    Adobe ResearchとUCサンディエゴは、画像編集リクエストをステップに分解し、各ステップで汎用エディターと専用ツールに並行して候補を生成させ、検証記録をもとに標準的な言語モデルが一度に比較して最良の結果を選ぶ「EditAgent」を提案した。

10月30日

金曜日
  1. Meta、AIファッションアプリ「Style Sketch」を静かに公開

    MetaはAIファッションアプリ「Style Sketch」を静かに公開した。Instagramと連携し、投稿済みの写真からバーチャルワードローブを構築できるほか、撮影や動画撮影、アルバム画像のアップロードで手動でアイテムを追加することも可能。手持ちの服に基づくコーディネート提案や、体型と肌色に合わせたバーチャル試着に対応し、現在インドネシア、シンガポール、タイでiOSとAndroid向けに提供されている。目的地や旅行日数、予定を入力すると、天気予報を踏まえた日別のコーディネート計画も得られる。

10月23日

金曜日
  1. Canva、初の自社開発画像モデル「Craft」を発表

    Canvaは初の自社開発画像生成モデル「Craft」を発表した。社内研究所Canva Researchが写真ではなく主に数百万点のデザインテンプレートを用いてゼロから学習させた。Craftはまず構図・比率・文字を生成し、その後30種類以上のアスペクト比に対応した最大2K解像度の画像を出力する。55言語の文字描画に対応し、Magic Layersで編集可能なレイヤーに分解できる。

  2. Canva、初の自社開発画像生成モデル「Canva Craft」を発表

    Canvaは初の自社開発画像生成モデル「Canva Craft」を発表した。社内の研究チームが開発し、Google、OpenAI、ByteDance、Metaの同種モデルに対抗する。生成は2段階で、まずプロンプトを解析して要素の空間関係、相対的な大きさ、視覚的階層、テキスト情報を計画し、その後最大2K解像度・30種類のアスペクト比に対応する画像を出力する。公式によれば物体の細部を正確に保ち、文字も鮮明で、部分的な精密編集も可能だという。

10月20日

火曜日

10月16日

金曜日
  1. Sega、《Total War: Shogun 2》リマスター版の惨憺たる発売を受け販売停止

    Segaは「Total War: Shogun 2 — Complete Edition」を各ストアから取り下げた。このリマスター版はSteamで「圧倒的に不評」の評価を受け、ユーザーからはバグやAI処理と思われる映像への不満が寄せられている。Segaと開発元のCreative Assemblyは期待に応えられなかったことを認め、オリジナル版を復活させると表明。既に購入済みのプレイヤーは引き続きアクセスできる。

  2. Black Forest Labs、オープンウェイト画像モデル FLUX 3 Image Klein を公開 8 GB の VRAM で動作

    Black Forest Labs は FLUX 3 Image Klein を公開した。56 億パラメータのオープンウェイトモデルで、テキストからの画像生成、画像編集、最大 10 枚の参照画像を使った生成に対応する。ネイティブ 4K 出力、ピクセル単位の編集、要素配置用のバウンディングボックスをサポートする。

10月15日

木曜日

10月14日

水曜日

10月13日

火曜日
  1. Nvidia DLSS 5、来月『ホグワーツ・レガシー』で正式登場へ 顔の変化は大幅に抑制

    NvidiaのDLSS 5は11月5日に『ホグワーツ・レガシー』で正式に提供開始される。新しい比較スクリーンショットでは、顔の変化が明らかに抑えられ、10代のキャラクターが老けて見えることはなくなった。10月のアップデートでモデルパラメータは24%削減されて約1億1800万となり、4KでのVRAM使用量は20%減、RTX 50シリーズGPUでは速度が2倍になる。新モデルは10月16日にまずNBA 2K27で登場する。

10月12日

月曜日
  1. Blueprints AI、数分で申請可能な建築図面を生成と主張

    Blueprints AIはTechCrunch Disruptで第2世代ソフトを発表した。1つの記述か2Dスケッチ、PDFから、建築・構造・設備・給排水・インテリアの図面を一括生成し、地域の建築基準に照らして検証する。1カ所を変更すればプロジェクト全体が更新される。第1世代の月額は3,200〜8,500ドルで、第2世代は今週から一般提供を開始し、初期顧客はすでに利用している。第3世代では構造解析と分電盤設計を追加する予定。

10月10日

土曜日
  1. Nikon 顕微鏡動画コンテスト、優勝作品が生成 AI 使用で失格に

    Nikon は顕微鏡動画コンテスト「Small World in Motion」の当初の第 1 位作品を、生成 AI に関するコンテスト規則に違反したとして失格とした。作者の Dr. Ning Xu は LinkedIn で、教師なしニューラルネットワーク手法による AI 支援の後処理を使用したことを認め、当該動画は削除された。Nguyen Nam Nhat の作品が第 1 位に繰り上がった。Nikon は今後のコンテストの規則と審査プロセスを見直すとしている。

10月9日

金曜日

10月8日

木曜日
  1. ベン・アフレック、機械学習とVFXを語る:畳み込みニューラルネットワークからTransformerまで

    ベン・アフレックは幼い頃からコンピュータに興味があり、映画がアナログフィルムからデジタルへ移行するにつれてこの分野への関心が高まったと述べ、「かなりひどいPythonスクリプト」を書くと明かした。VFXのワークフローには長年機械学習が含まれており、Transformerの前身にあたる畳み込みニューラルネットワークはテンソルを処理してエッジ検出や特徴抽出を実現し、グリーンスクリーンの映像をより簡単に切り抜いて背景を置き換えられるという。

10月7日

水曜日
  1. Google、改良版SynthID AIコンテンツ検出器を世界向けに公開

    Googleは、SynthID検出器が全パートナーのウォーターマークに対応し、誰でも使える専用サイトSynthID.comを公開したと発表した。SynthIDはAI生成の画像や動画のピクセル、音声の波形に埋め込まれる不可視の信号で、GoogleによればGeminiだけで1800億点以上の画像・動画と24万年分の音声にSynthIDを統合している。

  2. 元Rampエンジニア、初の製品を断念しAI広告プラットフォームMeliusで2000万ドルを調達

    元Rampエンジニアが創業したAI広告プラットフォームMeliusが、CRVがリードする2000万ドルのシリーズAと、General Catalystがリードする500万ドルのシードラウンドを含む累計2500万ドルの資金調達を完了した。チームは最初のパフォーマンスマーケティングツールを半年開発した後に断念してコードをすべて書き直し、広告クリエイティブとキャンペーンを生成する「クリエイティブワーク向けエージェントラボ」へと方向転換。7月にステルスを解除した後、2カ月で年換算収入が100万ドルを超えた。

10月2日

金曜日
  1. Black Forest Labs、Flux 3 Imageを公開 多段階編集で他の部分を変えず

    Black Forest LabsはFlux 3モデルファミリーの画像部分にあたるFlux 3 Imageを公開した。公式によると、多段階の編集に対応しつつ画像の他の部分は変更せず、テキストからの画像生成、画像からの画像生成、文字レンダリング、写真のようなリアリズムをカバーする。ユーザーはバウンディングボックスで構図を指定でき、最大10枚の参照画像を導入可能で、出力は最大4K。現在は無料デモを提供しており、APIは10月8日まで半額。企業は商用ウェイトをライセンスして自社インフラ上で実行・微調整できる。オープンウェイト版は今後数週間で登場する見込み。

  2. Ideogram、Ideogram 4.5を公開 部分編集で他の部分を崩さないと主張

    Ideogramは新モデルIdeogram 4.5を公開し、ユーザーが指定した領域だけを変更し、服装の変更などの編集後も人物の体型や背景は変わらないと主張している。品質は4段階で、1枚あたり0.8セントから22セント、いずれもネイティブ2K解像度。すでにIdeogramプラットフォームとAPIで提供を開始しており、提携先にはPicsart、Runway、Pika、Leonardo AIが名を連ねる。オープンウェイト版も近日公開予定だとしている。

9月30日

水曜日
  1. Photo Scrubber:顔のぼかしとメタデータ削除をローカルで行うツール

    Simon WillisonはGPT-6 Astraを使い、顔を自動検出してぼかす実験的なツールPhoto Scrubberを作った。GoogleのMediaPipe C++ライブラリを基盤とし、@mediapipe/tasks-visionを通じてWebAssemblyにコンパイルされている。BlazeFace顔検出モデルを使い、処理はすべてローカルで実行する。

  2. Google Research、AI 画像生成の制御を統一・簡素化する Diffusion Controller を提案

    Google Research は Diffusion Controller を提案した。拡散モデルのノイズ除去を連続制御問題として捉え直し、基盤モデルを凍結したまま軽量な「ステアリングダンパー」ネットワークで生成軌道を動的に調整する。Stable Diffusion v1.4 を HPS-v2 で評価したところ、完全に解放した版は基準モデルに対する勝率90%を達成した。内部ウェイトにアクセスできないクローズドモデルのカスタム制御にも対応する。

9月29日

火曜日
  1. SageMaker AIでvLLM-Omniによる画像・動画生成(第2部)

    AWSは、同じvLLM-Omni DLCイメージを使った2つのエンドポイントをSageMaker AIへ配置するチュートリアルを公開した。リアルタイム側はFLUX.2-klein-4Bで画像を生成し、非同期側はWan2.1-VACE-1.3Bで画像条件付き動画を生成する。テキスト指示からPNGを生成し、動きの指示とともにAmazon S3経由で動画側へ渡し、最終的にS3からMP4を取得する。例にはコマンドライン手順と任意のStreamlit画面を含む。

9月8日

火曜日

7月23日

木曜日