画像認識、コンピュータビジョン、画像処理に関連する記事へのリンク集

複数のX(旧Twitter)アカウントからなるネットワークが、AIを用いたヌード化サービスが規制を回避し、より多くのユーザーにリーチすることに役立っていると報道されています。

xAIが画像から動画を生成できる動画生成AI「Grok Imagine Video 1.5」の、Imagine APIでの一般提供を開始しました。

動画生成AI「LTX-2.3」の公式LoRA開発ツールである「LTX Trainer」の大規模アップデートが2026年6月17日に発表されました。

画像生成AIの開発で知られるMidjourneyが「Midjourney Medical」という新部門を設立して医療機器の開発を進めていることを日本時間の2026年6月18日に発表しました。開発中の機器は「Midjourney Scanner」と呼ばれており、全身をスキャンして体内の3Dマップをミリメートル単位で作成可能とのこと。アメリカ食品医薬局(FDA)による医療機器としての承認を得るべく定期的な試験結果の提出も予定されています。

「Osmo Pocket 4」は2026年4月22日に登場した小型のカメラです。本体をどれだけ動かしてもカメラ部分を水平の安定した状態に保てる「ジンバル」を搭載しているのが大きな特徴で、歩きながらでもブレの少ない動画を撮影することができます。そんなOsmo Pocket 4がGIGAZINE編集部に届いたので実際に外に持ち出してどんな動画を撮影できるのか確かめてみました。

Google DeepMindは2026年6月22日、『ミッドサマー』『エブリシング・エブリウェア・オール・アット・ワンス』『Backrooms』などで知られる映画製作会社・A24との研究提携を発表しました。Wall Street Journalによれば、GoogleはA24に約7500万ドル(約121億円)を投資しているとのことです。

中国の華中科技大学とVIVO AI Labの共同研究チームが、画像の欠損領域を周囲と自然につながるように生成する「インペインティング」向けの軽量AIフレームワーク「Moebius」を発表しました。Moebiusは約2億2600万パラメーターで動作しながら、100億パラメーター級の大規模産業用モデルに近い、あるいは一部の評価で上回る品質を目指した用途特化型モデルです。

NVIDIAが複数の写真から3Dシーンを生成できるAIモデル「ArtiFixer」を開発しました。ArtiFixerは動画生成AIのWan 2.1をベースに開発されており、参考画像に含まれていない部分を生成処理で補って高品質な3Dシーンを作り出すことができます。

生成AIを使って家具や内装を加えた不動産物件の掲載画像が増え、実際に内見すると写真とはまったく異なる部屋だったという事例が報告されています。見栄えを整えるための「バーチャルステージング」が、物件の欠点を隠したり、存在しない設備を加えたりする手段に変わりつつあり、賃貸物件を探す人の負担を増やしています。

Mistral AIが文書読み取りモデル「Mistral OCR 4」をリリースしました。PDFやOffice文書などから文字を取り出すだけでなく、表や数式や署名といった文書内の要素を見分け、どこに何が書かれているのかまで構造化して出力可能なモデルとなっています。

AI開発企業のKreaが画像生成AI「Krea 2」をオープンモデル化しました。Krea 2は実写風画像もイラスト風画像も高品質に生成可能。すでにComfyUIでも生成可能になったので、実際にいろいろ生成してみました。

ByteDanceは同社のクラウド事業である火山引擎(Volcano Engine)が主催する「FORCE原動力大会」で、動画生成AI「Seedance 2.5」を発表しました。Seedance 2.5は画像、動画、音声などを含む最大50個のマルチモーダル参照素材を入力でき、1回の生成で最長30秒の動画を出力できる点が特徴です。

カリフォルニア大学サンディエゴ校のAIラボであるHao AI Labが動画生成AIモデル「FastWan-QAD」を公開しました。GeForce RTX 5090でFastWan-QADを実行すると480p・5秒の動画をわずか1.8秒で生成できます。

写真を編集していると画面全体が青っぽく見えたり、人物の肌色が不自然に見えたりすることがあります。こうした色の偏りを整える時に重要になるのが「カラーバランス」です。

他のスポーツと比べてデータ活用やテクノロジーの導入で後れを取ってきたサッカーですが、近年は半自動オフサイドテクノロジーを含むさまざまなテクノロジーがAIで管理されていたり、戦術に関するアドバイスが行えるAIまで登場していたりします。そんなサッカー界において才能の宝庫として知られるブラジルでは、動画などを自動分析して選手を評価するAIスカウトアプリが普及しつつあるとThe New York Timesが報じました。

GoogleがGeminiアプリで、ユーザーの好みや生活に合わせた画像を生成できる機能をアメリカのユーザー向けに無料で提供開始したと発表しました。Googleの個人最適化機能「Personal Intelligence」と画像生成モデル「Nano Banana」を組み合わせることで、細かい説明や写真の手動アップロードなしに自分らしい画像を作れるようになるとのことです。

MIXIが動画生成AIサービスの展開で知られるAI企業「Runway」との戦略的パートナーシップ締結を発表しました。

オンラインマーケットで、AI生成による写真を添付した謎の種が販売されています。実際に1000人以上がだまされて購入してしまっているようです。

Parabolicはyt-dlpのフロントエンドとして無料で公開されている動画ダウンローダーです。yt-dlpの機能を簡単に利用でき、またブラウザ拡張機能を使うこともできるとのことなので、実際に導入して使用感を確認してみました。

画像編集ソフトなどでは色を「R：255、G：0、B：0」のようなRGB値で指定できます。しかし、同じRGB値でもsRGBやProPhotoRGBなど使っている色空間が違えば実際に表される色は変わります。デジタル写真家のエル・ストーン氏は自らが運営するサイトで画像処理や色管理を理解する上で必要になるXYZ・RGB・ICC・xyY・TRCについて解説しています。

AIの世界に新しい専門用語が登場している。ただし、これは単なる細かな言葉の問題ではない。よく知られた略語に、見慣れた文字をひとつ加えたものだ。そう言うと軽い話のように聞こえるかもしれないが、この動きに追いつこうとすると、どこか既視感を覚える...

中国企業のAlibabaが高性能な動画生成AI「HappyHorse 1.0」の公式サイトを公開しました。HappyHorse 1.0は正式公開前からAI比較サイトのArtificial Analysisで世界最高スコアを獲得して話題となっていたモデルです。Googleアカウントでサインインすれば無料で使用可能だったので、実際に動画を生成してみました。

中国の偽情報拡散計画に関連する複数のアカウントが高市早苗首相を攻撃していたとする報告書をOpenAIが公表しました。これらのアカウントはOpenAIのAI「ChatGPT」を使い、高市首相を正当性に欠け軍国主義的であるかのように吹聴していました。

生成AIをめぐる著作権問題では「学習データに著作物を使っていいのか」「出力結果が著作物と似てしまったら誰が責任を負うのか」といった論点が繰り返し議論されています。テック系ブロガーのジェイソン・ウィレムズ氏は、そもそも著作権法は人間の規模で成り立つ前提に依存してきたのであり、生成AIはその前提を崩して曖昧さを表面化させただけだと自らのブログで指摘しています。

画像生成AIや文章生成AIは誰でも気軽に扱えるようになりましたが、著作権に関する問題も度々浮上しています。そんな中、アメリカの最高裁判所が「AIが生成した画像の著作権はAIが保有する」と主張する訴訟の審理を棄却したことが明らかになりました。

AIプラットフォームのLuma AIが、同社初の統合理解生成モデルとなる「Uni-1」を発表しました。

YouTubeやニコニコ動画などのストリーミングサービスからムービーをダウンロードできる「yt-dlp」のWindows用グラフィカルインターフェースである「ytdlp-interface」が公開されています。MITライセンスの下でオープンソースで開発されており、無料で利用可能です。

ショート動画共有アプリ・TikTokの運営元として知られるByteDanceが、動画生成AI「Seedance 2.0」の著作権侵害問題を受け、同AIのグローバルリリースを延期させたと報じられています。

無料で使える画像編集アプリ「GIMP」のバージョン3.2が2026年3月14日にリリースされました。

Appleの研究チームが反射やハイライト、その他の効果を様々な視点から見ても一貫して維持しながら、一枚の画像から3Dオブジェクトを再構築することができるAIモデルの「LiTo」を開発しました。