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 DeepMindの研究チームが、画像の中から特定の視覚的要素や属性を抽出し、AIを使って複数枚の画像から抽出した要素を組み合わせ、自然な1枚の画像を生成する手法「TokenVerse」を発表しました。研究チームはウェブサイト上で、TokenVerseを使ってどのような画像が生成できるのかを解説しています。

AIはすさまじい勢いで発展しており、AIを研究分野で用いる動きも活発化しています。カリフォルニア大学サンタクルーズ校で歴史を研究しているベンジャミン・ブリーン氏は、OpenAI製AIの古文書解読能力の高さを絶賛しています。

Microsoftが2025年1月31日に、Windows Insider向けの更新プログラム「KB5050090」をリリースしました。このアップデートでは、Windowsの標準アプリ「ペイント」内に生成AI機能を手軽に使用するためのCopilotボタンが追加されました。

1枚の写真から人が自然に話したり、歌ったり、動いたりするリアルな動画を出力するAIシステム「OmniHuman-1」を中国のByteDanceが発表しました。

セキュリティ企業のKasperskyが、AndroidアプリとiOSアプリでテキスト画像認識機能を持つマルウェアを発見したと報告しています。「SparkCat」と呼ばれるこのマルウェアはユーザーが撮影したスクリーンショットの内容を読み取る機能を持っており、特に仮想通貨ウォレットのリカバリーフレーズを狙っていたとのことです。

Pixel 9シリーズには、生成AIを用いて画像の一部を別の物体に置き換える「イマジネーション」という機能が搭載されています。このイマジネーションで加工した画像に対して、生成AIを用いたことを示す電子透かし「SynthID」の埋め込みを開始することが発表されました。

オークションハウス大手のクリスティーズが「AIアート専門オークション」を開催することを発表しました。クリスティーズにはすでにAIアートを扱った実績がありますが、まるごとAI作品のみで行われるオークションは初となります。なお、オークションに出品予定のアーティストに対して、「著作権のある作品でトレーニングされたAIモデルが使われているのではないか」との懸念から、出品の中止を求める公開書簡が出されています。

女優のスカーレット・ヨハンソン氏が、自身のAIディープフェイク動画がネット上で拡散されたことを受けて政府にAIを規制する法案の可決を最優先課題にするよう要請していることが報じられました。

Adobeが2025年2月13日に、AI動画生成サービス「Firefly Video Model」のパブリックベータ版を公開しました。Firefly Video Modelでは画像またはテキストプロンプトを使って5秒間の動画を誰でも生成することが可能です。

Googleが複数の入力画像をベースに新しい画像を生成できる画像生成AIの「Whisk」を、日本を含む100カ国以上で利用可能にしています。Whiskは入力画像をGeminiでキャプションに変換し、これをGoogleの画像生成モデルであるImagen 3で画像に変換しているとのことで、実際にどんな画像が生成できるのか気になったので使って確かめてみました。

YouTubeショートのAIを用いた動画作成補助機能「Dream Screen」に、Google製動画生成AI「Veo 2」を用いて動画を作る機能が追加されました。ユーザーは動画投稿時にVeo 2を用いて動画や画像を生成し、動画内の1シーンとして使うことができます。

視覚は人間を含む多くの動物にとって重要な感覚であり、生息環境や生態に応じてさまざまなタイプの「目」が存在しています。そんな生物における目の進化を調べるため、マサチューセッツ工科大学(MIT)がバーチャル空間に生きるデジタル生物を用いて、目の進化を観察する研究を行っています。

インターネット上にはボットやスパムが溢れているため、これらへの対策はオンラインプラットフォームにとって大きな課題です。ボット対策として知られるテクノロジーのひとつがCAPTCHAですが、実装にはいくつかの問題があります。そんな中、オープンライセンスの世界地図であるOpenStreetMapを改善するためのオープンソースのCAPTCHAとして、「MapTCHA」が登場しました。

YouTubeの動画で紙吹雪や雪が舞うシーンがあると、途端に画質が落ちてしまうことがあります。これには映像データの圧縮と伸張が関与してくるわけですが、具体的にどうなっているのかについてYouTuberのトム・スコット氏が解説しています。

科学誌のScienceが、動物の顔をスキャンして個体を識別したり、体調不良を検知したりするAI技術の現状について特集しました。

Microsoftが2025年2月19日に、ゲームに特化した生成AIモデル「Muse」を発表しました。Museでは、ゲーム内の物理演算やプレイヤーのコントローラー操作に対するゲームの反応を含めて、3Dゲームの世界をAIが詳細に生成できるとのことです。

Microsoftが2025年2月に、現実世界の様子やデバイス上のスクリーンを認識して行動できるマルチモーダルAIエージェントの基盤モデルである「Magma」を発表しました。

「Image extract」は閲覧中のウェブページ内に存在する画像をズラリと一覧表示できるFirefoxアドオンです。PCだけでなくAndroid版Firefoxでも使用可能とのこと。便利そうだったので、実際に使ってみました。

シグマがミラーレスカメラ「Sigma BF」を2025年2月24日(月)に発表しました。Sigma BFはフルサイズセンサーを搭載したLマウントのカメラで、230GBものストレージを内蔵していたり感圧式のハプティックボタン(振動フィードバック式のボタン)を採用していたりと珍しい特徴が満載です。

ベンチャーキャピタルのY Combinatorが支援するスタートアップ「Optifye.ai」が「AIを使って工場労働者のパフォーマンスを監視するシステム」を開発しています。Y Combinatorがこのデモ映像をソーシャルメディアで公開したところ、大きな批判を受けたため、デモ映像を撤回しました。

アリババグループのTongyi Labが開発する高度で強力なビジュアル生成モデル「Wan」のバージョン2.1のうち、4つのモデルがオープンソース化されました。

MetaがAIスマートグラス「Aria Gen 2」を発表しました。Aria Gen 2には周囲の様子やユーザーの動きを測定するセンサーが搭載されており、ユーザーは本体に搭載されたスピーカーから各種情報を受け取ることができます。

マンガやイラストのページをアップロードすると、画像の形式を保ったままブラウザ上で他言語に翻訳してくれるAIサービス「TranslateManga」が登場したので、実際に使ってみました。

カメラで捉えた物体を触覚に変換して装着者に伝えるウェアラブルデバイスが開発されました。視力の弱い人や盲目の人の日常生活をサポートするものとして期待されています。

生成AIの技術が急速に発展する中で、アメリカ著作権局は2023年2月に「AIが作った芸術作品に著作権はない」「AIで作成したコミックの絵は著作権で保護されない」と宣言したほか、翌月にはAIが生成した絵や文章に著作権は認められるのかについてガイダンスを発表し、「AIで生成したものに著作権保護の基準を満たすような修正を加えている」ことが著作権の発生する条件として挙げました。2025年1月29日にアメリカ著作権局は約2年ぶりにAIに関する著作権に言及し、「単にプロンプトを入力して出力したものに著作性は認められないが、創作過程を支援するAIツールの使用は、作品の著作権を損なうものではない」と宣言しました。

2024年9月に登場した「Raspberry Pi AI Camera」は、カメラセンサー内にAI処理用のプロセッサを内蔵しており、カメラそのものにAIモデルを読み込ませてAIカメラとして使うことができます。ドキュメントも充実しており、比較的簡単にAIモデルを自作できそうだったので、実際に「USBケーブルの種類を見分けるAIモデル」をトレーニングして実行してみました。

写真から人物や製品などの被写体だけを切り抜き、背景をきれいに削除することができる背景透過ツールが「Aiarty Image Matting」です。AIが自動で被写体を検出し、背景を削除してくれるため、面倒な操作は一切なし。複数の画像を一括で処理することも可能ということで、実際に使っていろんな写真を背景透過しまくってみました。

元Eventbriteのエンジニアリングディレクターであり、オープンソースツール・Datasetteの開発者でもあるサイモン・ウィリソン氏が、2024年に人工知能(AI)分野で起きた出来事をまとめています。

InstagramがユーザーのAI生成画像をランダムに表示する新機能のテストを開始したと海外メディアの404 Mediaが報じています。あるユーザーはInstagramを閲覧中に、自分自身が「無限の鏡の迷路」の中に立っているAI生成された画像のスライドショーが表示されたとのことです。

AI技術を使って実在する暴力的な映像を子ども向けアニメーションに変換し、ソーシャルメディアに投稿する「Minion Gore(ミニオンゴア)」と呼ばれる現象が確認されています。投稿された動画群はアニメ映画「ミニオンズ」のキャラクターを無断で用いて暴力的な実写映像を加工したもので、プラットフォームの監視をすり抜けて拡散されている実態が報告されています。