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

Googleが医療用途に特化したAIモデル「MedGemma 1.5 4B」と音声認識モデル「MedASR」を2026年1月13日に公開しました。MedGemma 1.5 4Bはローカルで動作可能な軽量モデルで、前世代よりも精度が向上しています。

アメリカ合衆国で放送される優れたテレビドラマや番組、テレビ業界の功績を表彰する「エミー賞」が2026年のルール変更を発表しました。新しいルールではAIについての内容が追加され、生成AIを使用した番組の応募について明文化されています。

Googleが動画生成AI「Veo 3.1」のアップデートを2026年1月13日に発表しました。参考画像を元に動画を作成する機能が改良されたほか、キャラクターの一貫性向上や4Kアップスケーリング機能の追加などが行われています。

中国のAI企業であるZ.aiが、オープンソースでありながら産業グレードのパフォーマンスを発揮する離散自己回帰画像生成モデルの「GLM-Image」を発表しました。GLM-Imageは自己回帰モデルと拡散モデルのハイブリッドとなっています。

AI「Grok」を用いて大量の性的画像が生成されていると指摘されている問題で、XがGrokで画像編集を行ったときに被写体となった実在人物の服装の露出度を高めることができないよう技術的対策を施したことを明らかにしました。また、X経由でGrokを用いて画像編集する機能が使えるのは有料利用者のみになりました。

ドイツのAIスタートアップであるBlack Forest Labsが画像生成AIモデルファミリー「FLUX.2」から、高速・統合型のAIモデル「FLUX.2[klein]」をリリースしました。モデルサイズが比較的小さく、画像生成が1秒未満で完了する低レイテンシ性を重視したモデルとなっています。

野生のクマが人間に危害を加える事例は日本だけでなく世界中で発生しており、クマの生態調査や共生に向けた取り組みの必要性が増しています。そんな中、クマの顔を認識して個体識別する技術を開発する「BearID」というプロジェクトが注目されています。

スタジオジブリ作品の1シーンを、ユーザーの検索意図や文脈をAIが解釈して情報を提供する「セマンティック検索」で見つけられる「Studio Ghibli Search」が公開されました。文章や画像を読み込ませることで、条件に一致するような1シーンを探し出すことが可能です。

各種AIをローカルで実行できるアプリ「Ollama」が実験的機能として画像生成AIに対応したことが2026年1月20日に発表されました。記事作成時点ではmacOS版Ollamaで「FLUX.2 [klein]」と「Z-Image-Turbo」を用いた画像生成が可能となっています。

Google DeepMindが動画をもとに3次元空間を時系列に沿って認識できるAI「D4RT」を開発しました。D4RTは既存モデルと比べて高精度かつ高速な空間認識が可能で、人間と同じように世界を認識できるAIの開発に役立つとされています。

Googleがピクサー出身のアニメーション映像作家であるコニー・ヒー氏らアニメーション業界のベテランと共同で、生成AIツールを用いて「Dear Upstairs Neighbors」(親愛なる二階の隣人へ)というアニメ作品を制作しました。

AlibabaのAI開発チームであるTongyi-MAIが画像生成AI「Z-Image」を2026年1月28日に公開しました。Z-Imageは2025年11月に登場したZ-Image-Turboのベースモデルで、ファインチューニングによって多様なモデルが生み出されることが期待されています。また、Z-Image-Turboと比べてイラスト風の画像を高品質に出力できることや構図やキャラクターの多様性が高いことも特徴としています。

GoogleがGemini 3 Flashの新機能として高精度な画像理解機能「Agentic Vision」を発表しました。Agentic Visionでは画像の拡大などを行いつつ能動的な画像理解が可能で、「Pythonで境界ボックスを描画して数を正確に数える」といったコード実行も駆使する機能も搭載しています。

欧州宇宙機関(ESA)とアメリカ航空宇宙局(NASAの共同研究者チームが、AIモデル「AnomalyMatch」を使ってハッブル宇宙望遠鏡の画像アーカイブを解析し、わずか2日半で多数の「異常なオブジェクト」候補を抽出したと発表しました。膨大な過去データを人手で網羅的に見直すのが難しくなる中、AIで候補を絞り込み、専門家が確認する流れを確立した形です。

ComfyUIは画像生成AIや動画生成AIをPCでローカル実行できるアプリです。NVIDIAや各種AIモデルの開発企業と協力して「新モデルの即日対応」や「NVIDIA製GPUやAMD製GPUへの最適化」も行っており、記事作成時点で画像や動画の生成を始めるなら第一候補としてオススメできるアプリとなっています。数年前まではインストール時にコマンド操作が必要だったり複雑なノード操作が必要だったりしましたが、アップデートによってクリック操作だけでインストールできるようになっており、UIを簡略化する仕組みも導入されました。ゲーミングPCなどのグラフィックボード搭載PCなら簡単に画像生成を始められるので、最初の一歩の手助けとなるようにインストールと最初の生成までの手順をまとめてみました。

2025年12月19日、中国の大手テクノロジー企業であるAlibabaのAIモデルであるQwenシリーズに、画像を複数のRGBAレイヤーに分解できるAIモデル「Qwen-Image-Layered」が新たに登場しました。

技術の進化と共に動画の解像度は向上していますが、過去に撮影した動画は解像度が低いままなので、画質が粗く、古めかしいものに感じてしまいます。そんな古い動画をAIを用いて簡単に高画質化することができるのが「Aiarty Video Enhancer」です。動画に詰まった思い出を、高画質化と共に鮮明によみがえらせることができるということで、実際に使ってみました。

中国の大手テクノロジー企業であるAlibabaのAIモデルであるQwenシリーズから、画像編集タスクを搭載した画像生成AIのQwen-Image-Ediの強化版となる「Qwen-Image-Edit-2511」が登場しました。グループ写真や複雑なシーンでも人物一貫性を保つことができるほか、LoRAを内蔵していることで追加の調整不要で表現力を広げることができます。

生成AIの発達により、テキストプロンプトを入力するだけで誰でも簡単に画像を生成できるようになりました。一見すると、画像生成AIは多様で自由な表現を生み出せるように思えますが、スウェーデンの研究者らが発表した研究では、AI同士による自律的な生成を繰り返すと最初は多様に見えた画像が最終的にわずか「12種類のスタイル」へと収束してしまう可能性が示されています。

AlibabaのAI研究チームであるQwenが画像生成AIモデル「Qwen-Image-2512」を2025年12月31日に公開しました。Qwen-Image-2512はAI生成画像っぽくない実写風画像を生成できることを大きな特長としています。すでにモデルをダウンロードしてローカルで実行可能になっていたので、実際に使ってみました。

生成AI「Grok」の画像編集機能が2025年12月からXでも簡単に使えるようになった結果、他人の画像を勝手に編集する事例が発生したほか、コスプレイヤーや子どもの写真を無断で性的に加工するという事例が世界的に広がっています。これを受け、フランスおよびマレーシアの規制当局がGrokの調査を開始したと報じられました。

ローカル画像生成の分野では「AMD製グラフィックボードは同等性能のNVIDIA製グラフィックボードと比べて環境構築が面倒で生成速度も大きく劣る」という状況が続いていました。新たに生成AI実行アプリのComfyUIがROCmへのネイティブ対応を果たし、AMD製グラフィックボードやAMD製SoCを搭載したマシンでの生成速度が大きく向上しました。

AI開発企業のLightricksがオープンソースのオーディオ・ビデオ生成モデル「LTX-2」をリリースしました。LTX-2ではハイエンドな個人用PCでローカル実行することが可能で、環境音や会話音声を含む動画を生成できます。

X(旧Twitter)上で、AIの「Grok」を使って他人の画像を性的なものに改変する事例が相次いでいます。いくつかの調査で、Grokが前例のないほど大量の性的画像を生成していることが指摘されました。

Alibabaが動画生成AI「Wan」のスマートフォン向けアプリをリリースしました。アプリではテキストや画像を入力して動画を生成可能で、動画の共有機能なども搭載されています。すでに日本のiPhoneやAndroidスマートフォンでも無料で利用可能だったので、実際に使ってみました。

Xでは画像付き投稿に「@grok この画像を○○に変えて」などのリプライを送信することでGrokに画像を編集させることができます。この機能が制限されてリプライを通じた編集機能は有料会員のみ使用可能となりました。

インドネシアのアイドルグループ「JKT48」の運営事務局は5日、生成AIを使ってメンバーの画像を性的に加工する事例が報告されたとして、異例の“公開警告”を行った。

米Xの日本法人であるX Corp. Japanは、Xで利用できる生成AI「Grok」で違法なコンテンツを作成しないよう警告した。

生成人工知能（AI）を悪用して作った性的な画像や動画「性的ディープフェイク」の被害が社会問題となっている。その一方、既存法での摘発が追いついていないとも指摘されている。刑法が専門の神奈川大法学部・上田正基准教授（37）は「『性的イメージの同意なき作成・拡散自体が違法』との考え方に基づく立法が必要だ

ソーシャルメディア「X」を所有する米実業家イーロン・マスク氏が率いる人工知能（AI）企業xAIの対話型生成AI「Grok」に、自分の写真から着衣を消された女性が、自分の「人間性を奪われ、性的ステレオタイプに落とし込まれたと感じる」とBBCに話した。