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

白内障や翼状片をはじめとする目の病気の診断には、基本的に専門的な医師による検査が必要とされています。しかしアラブ首長国連邦のドバイに住む11歳のリーナ・ラフィークさんが、AIを用いた独自のスキャン方法で目の病気やその他の状態を検出するiPhone向けアプリ「Ogler EyeScan」を開発しました。

Meta AIは、画像の中のオブジェクトを特定するセグメンテーションを行なう専用AIモデル「Segment Anything Model(SAM)」と、そのデータセットとなる10億マスクのデータセット(SA-1B)を公開した。データセットは研究目的のもと、Apache 2.0ライセンスで利用可能。また、WebブラウザでSAMを体験できるデモページ「Try the Segment Anything」も用意している。

テキストを入力することで、自動的に画像を生成してくれる画像生成AI。多くのサービスやアプリ、また生成された画像のギャラリーなどが存在しています。どのようなサービスやアプリがあるのか、そしてユーザーコミュニティなど、画像生成AIに関する様々なサイトをまとめてみました。

凄すぎて思わず声が出ました。今年2月のSamsung新製品イベントで発表されたGalaxy S23シリーズ。なかでも最強モデルのGalaxy S23 Ultraに関しては、広角カメラが約2億画素になったり、夜景モードが強化されたりと、見た目はほぼ同じながらも着実に進化を遂げたモデルに仕上がっているのが特徴です。国内では4月20日（木）に発売予定のGalaxy S23シリーズですが、今回発売前にG

Stable Diffusionを開発したAI研究企業のStability AIが、従来の画像生成AIを大幅に強化した「Stable Diffusion XL(#SDXL)」をテストしていることが明らかになりました。Stability AIのウェブサービスである「DreamStudio」で、実際に「Stable Diffusion XL」のベータ版を使うことができたので、新たな画像生成モデルがどれほどの性能なのか試してみました。

2023年3月21日にAdobeが発表したジェネレーティブAI「Adobe Firefly」に最初に搭載されるモデルは「Adobe Stock」の画像や著作権が失効しているパブリックドメインのコンテンツを学習しているため、既存のジェネレーティブAIのような著作権関連の問題に頭を悩ませる心配がないというのを特徴としています。そんなAdobe Fireflyが出力する画像を、画像生成AIの「Midjourney」が出力する画像と比べた様子をAI究者のジム・ファン氏が投稿しました。

近年発達した画像生成AIや対話型AIは単に画像や文章を生成して遊ぶためだけでなく、さまざまな社会的・政治的な活動にも利用できる可能性があります。ところが、美術品評会で1位を取れるほど高性能な画像生成AI「Midjourney」のデビッド・ホルツCEOは、中国の習近平国家主席の画像を生成することを禁止しているとのことで、テクノロジー系メディアのTechdirtが「テクノロジー企業が政府による検閲に従うことの危険性」を訴えています。

デジタルコンテンツの検証サービスを提供するTruepicと、人工知能を用いたリアルな合成映像を手がけるRevel.aiが共同で、世界初の「認証済みディープフェイク映像」を制作して公開しました。出演者の女性本人の了解を得て作られたディープフェイク映像は非常にリアルで、合成コンテンツを特定する仕組みの必要性がよくわかる内容となっています。

SamsungのGalaxyシリーズで使える写真閲覧用アプリの「ギャラリー」には、「リマスター」と呼ばれる影や反射を自動で除去して写真を美しく仕上げる機能があります。この機能を使ったところ、まだ歯の生えていない赤ん坊の口に歯が勝手に追加されたという報告が注目を集めています。

画像生成AI「Stable Diffusion」の開発元である「Stability AI」が、アニメーション生成AIアプリ「Animai」を発表しました。Animaiは画像コレクションサービスを展開する「Revel.xyz」と共同開発されたアプリで、記事作成時点では誰でも無料で使用可能です。一体どんなアニメーションを生成できるのか気になったので、実際に使ってみました。

演者の顔を3DCG化するフェイシャルキャプチャはゲーム業界などで広く使われていますが、特殊なハードウェアが必要だったり、コンピューター処理とアーティストの手作業による微調整を要したりするため、小規模なスタジオがこれを行うのは簡単なことではありません。このような労力と時間のかかるワークフローに革命をもたらす新ツール「MetaHuman Animator」をEpic Gamesが新たに開発し、デモ映像を公開しました。

高精度な画像合成AIの登場によって浮上した問題の1つが、他人の顔を無断で使用するディープフェイクポルノです。NBCニュースが、「Google検索で簡単に見つけられるウェブサイトに大量のディープフェイク動画が投稿されており、有名人だけでなく一般人を標的にしたディープフェイクの作成を請け負うビジネスも存在する」と報じています。

DeepMindのマルチモーダルモデル「Flamingo」をオープンソースで再現したフレームワーク「OpenFlamingo」がリリースされました。これにより、ユーザーが手軽にテキストと画像を含む大規模なコーパスを利用できるようになります。

2023年3月25日に、ムービー生成AI「Text2Video-Zero」のデモアプリが公開されました。Text2Video-Zeroを使えば文章を入力するだけで数秒間のムービーをサクッと生成できるとのことなので、実際にどんなムービーを生成できるのか試してみました。

日々のあらゆるシーンで役立つ情報を提供するIT系ニュースサイト。毎日更新中。

オブジェクトの画像を1枚入力するだけで、視点を変えた高精度の画像を生成できるAIモデル「Zero-1-to-3」を、アメリカのコロンビア大学やトヨタ自動車の研究機関であるトヨタ・リサーチ・インスティテュートの研究チームが開発しました。実際にZero-1-to-3がどれほどの性能を持っているのかを試せるデモページも公開されています。

画像生成AI「MidJourney」の開発チームが、2023年3月16日にリリースした「Midjourney V5」はまるで実写のような超高画質の画像を生成することが可能です。そんなMidjourney V5を利用して「ドナルド・トランプ前アメリカ大統領が逮捕された」という偽の画像を大量に生成し、Twitterで公開したユーザーがMidjourneyから利用禁止処分を受けたことが明らかになりました。

AIの発展により、これまでテキストを入力するだけで3Dモデルや動画、家の画像などを生成してくれるサイトやツールが数多く開発されています。新たに、テキストを入力するだけで自動的に家具や雑貨を含めた3Dの部屋を生成することができる「Text2Room」がGitHubで公開されています。

画像AI「Stable Diffusion」の開発に携わったAIスタートアップのRunway Researchが、テキストからビデオクリップを生成する「Gen-2」を2023年3月20日に公開しました。

4Kウェブカメラ「Insta360 Link」は、ジンバルを搭載することで「被写体が動き回っても顔を撮影し続ける」という動作を可能としています。そんな強力追跡機能には4種類もの起動方法が用意されているので、実際に4種の方法で追跡機能を使ってみました。

2023年3月21日、IllustratorやPhotoshopといったクリエイティブツールでおなじみのAdobeが、独自の画像生成機能およびテキストエフェクトを提供できるジェネレーティブAI「Firefly」を発表しました。Fireflyは将来的にAdobe Creative Cloudに統合され、コンテンツの作成・修正に、さらなる精度・パワー・スピード・手軽さをもたらしてくれます。

Microsoftは2023年2月に、検索用にカスタマイズしたチャットAI「GPT-4」で動作する「新しいBing」を発表しましたが、さらにBing Chatに画像生成AI「DALL・E」を搭載した「Bing Image Creator」が追加されたことが明らかになりました。

Googleの研究部門であるGoogle Researchが、動画に高密度キャプションをつけることが可能な視覚言語モデルの「Vid2Seq」を公開しました。

ジンバル搭載4Kウェブカメラ「Insta360 Link」が2022年8月に登場しました。Insta360 Linkは、被写体自動追尾機能を使って歩き回りながらプレゼンしたり、ホワイトボードをクッキリ明瞭にクロップしたりといったプレゼンやオンラインセミナーに役立つ機能を数多く備えています。そんなInsta360 Linkが編集部に届いたので、外観チェックに続いてPCとの接続手順や画質、ピント合わせ性能を確かめてみました。

画像生成AI「Stable diffusion」の開発元であるStability AIが、参考画像を指定するだけで「参考画像に似た画像」を生成してくれるサービス「Stable diffusion reimagine」をリリースしました。記事作成時点では一部機能を無料で使用可能だったので、実際に使ってどんな画像を生成できるのか試してみました。

「Stable Diffusion」や「Midjourney」をはじめとする画像生成AIは入力したキーワードに沿って適切な画像を生成することができますが、一方でAIの学習には人間が描いたイラストや絵画などが使用されることもあり、著作権侵害が問題となっています。そんな中、シカゴ大学の研究チームが、人間が描いた絵画を分析し、ほとんど目に見えない改変を加えることでAIによる学習から保護するためのツールである「Glaze」を発表しました。

カメラによる動画解析やセンサーを用いた3次元画像処理など、コンピューターにデジタルな画像や動画を理解させてさまざまな処理を行わせる研究分野を「コンピュータービジョン」といいます。このコンピュータービジョンを取り入れたシステムを開発する企業・Voxel51が、コンピュータービジョンが製造業で応用されるケースについて語っています。

画像生成AI「Stable Diffusion」などの有名AIでも利用されているPython向け機械学習ライブラリ「PyTorch」のバージョン2.0が正式リリースされました。PyTorch 2.0は後方互換性を保ちつつ、処理速度が大幅に向上しています。

画像生成AI「Midjourney」の開発チームが、2023年3月16日(木)に「Midjourney V5」のアルファ版をリリースしました。「Midjourney V5」では超高画質な画像生成が可能となっているだけでなく、画像生成AIの課題であった「『手』を正確に描写できない問題」が解決されたという報告も寄せられています。

OpenAIの大規模言語モデル・GPT-4や画像生成AIのMidjourneyなどのジェネレーティブAI技術は急速に発展し、実際に文章や絵画を作成するケースが爆発的に増えています。アメリカ著作権局が2023年3月16日付けで、AIが生成した素材を著作物として認める場合を明確にするガイダンスを発表しました。