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

画像生成AIの開発を手掛けるAI Picassoは、学習に対する透明性が高い画像生成AI「CommonArt β」を公開した。

卓越した画像・動画の理解能力を持つというAIモデル「Qwen2-VL」をAlibabaが発表しました。OpenAIの「GPT-4o」やAnthropicの「Claude 3.5-Sonnet」といった他社モデルと比較して上回る点が多くあり、すでに英語と中国語に加えて日本語や韓国語にも対応済み。無料でデモを試すこともできます。

Googleの写真管理サービス「Google フォト」には高度な検索機能が搭載されており、「食べ物」「海」「山」といった単語で検索することで膨大な写真ライブラリから目的の写真を探すことが可能です。この検索機能の強化アップデートが2024年9月5日(木)に実施され、自然な文章で条件を細かく指定して絞り込み検索できるようになりました。

YouTubeが2024年9月5日に、クリエイターが自身の顔や声などの肖像がコピーされてほかの動画で使用されるのを防ぐためのAI検出ツールを発表しました。

日本時間の2024年9月10日2時から開催予定のAppleの発表イベントでは、iPhone 16シリーズが発表されると目されています。この中のハイエンドモデルとなるiPhone 16 ProおよびiPhone 16 Pro Maxでは、iPhoneカメラの欠点のひとつがついに改善される可能性があると9to5Macが報じました。

体重や外見の理想をうたう動画を繰り返し視聴すると有害になる可能性があるという専門家からの警告を受けて、YouTubeがそのような動画を10代のユーザーにおすすめ表示することをやめると発表しました。

AI開発スタートアップのVirtuals Protocolが、テキストを入力することで「スーパーマリオブラザーズ」のゲームプレイ映像を生成できるAIモデル「MarioVGG」を開発したと発表しました。MarioVGGは約73万フレームに及ぶ「スーパーマリオブラザーズ」のゲームプレイ動画で学習しています。

Stable DiffusionやMidjourneyなど著名な画像生成AIにも使われたデータセット「LAION-5B」に児童性的虐待コンテンツ(CSAM)が見つかった問題で、LAION-5Bの開発元であるLAIONがデータセットからCSAMを削除した「Re-LAION-5B」を新たに発表しました。

「Pixel 9」「Pixel 9 Pro」「Pixel 9 Pro XL」には、写真に新たな物体を追加したり写真の一部を置き換えたりできるAI機能「イマジネーション」が搭載されています。スマートフォンに標準搭載された画像生成AI機能でどんな編集が可能なのか気になったので、実際に複数の写真でイマジネーションを実行してみました。

スマートフォンで撮影した写真を鑑賞していると「もっとズームで撮影しておけばよかった」と感じることがありますが、撮影済みの写真を拡大しても画質が低下してしまいます。Google製スマートフォン「Pixel」の一部の機種に搭載された「ズーム画質向上」という機能を使えば撮影済み写真をキレイに拡大できるらしいので、実際に使ってみましたた。

アメリカの第49代副大統領で、2024年アメリカ合衆国大統領選挙からの撤退を表明したジョー・バイデン大統領の後任候補として民主党の指名候補となったのがカマラ・ハリス氏です。同氏はすでに各地で選挙資金集めのための集会を開催しており、地元であるサンフランシスコでは総額1200万ドル(約17億7000万円)以上を集めたと報じられている通り、大統領選挙に向けて着々と準備を進めています。しかし、ハリス氏が各地で開催している集会の写真は「AIで作成された偽画像である」と、共和党の指名候補であるドナルド・トランプ前大統領が主張していることが明らかになりました。

X(旧Twitter)にはチャットAI「Grok」が搭載されています。このGrokのバージョンアップ版である「Grok-2」のベータテストが2024年8月13日(火)に始まりました。Grok-2には画像生成機能も搭載されており、X上で画像を生成することができます。

AIの発展と普及により、実在する人物にそっくりな顔や声で話すディープフェイク動画を誰でも容易に作成できるようになり、それに伴ってディープフェイク動画の詐欺も急増しています。日刊紙のニューヨーク・タイムズは、インターネット上にあふれているディープフェイク詐欺動画の中でも、特にテスラやSpaceXのCEOを務めるイーロン・マスク氏を登場させたものが多いことを報じました。

Google DeepMindがテキストから画像を生成できる新たなモデル「Imagen 3」をリリースするとともにImagen 3の研究論文を公開しました。Imagen 3はGoogleの画像生成ツール「ImageFX」で試せるとのことなので、実際に試してみました。

AI企業のRunwayが、画像から動画を生成する「Gen-3 Alpha Turbo」をリリースしました。無料トライアルを含むすべてのプランで利用できることが特徴で、既に発表済みの「Gen-3 Alpha」より安価ながら同等のパフォーマンスを発揮するとされています。

YouTuberとして活動しているデビッド・ミレット氏が、コンテンツをAIのトレーニングに利用されているとしてNVIDIAを相手取り集団訴訟を起こしています。ミレット氏はこの2週間前にOpenAIのことも訴えています。

iPadのデザインアプリ「Procreate」が生成AIに反対の立場を表明し、自社製品に生成AI機能を導入しないことを宣言しました。

2024年に開催されるアメリカ大統領選挙で共和党候補として出馬する予定のドナルド・トランプ氏が、自身のメディア会社が所有するSNS「Truth Social」に、「歌手のテイラー・スウィフト氏とそのファンがトランプ氏を支持しているように思わせる画像」を共有しました。しかし、これらの画像がAIで生成されたものだったため、物議を醸しています。

ドイツ・ケルンで2024年8月21日から開催されているゲームイベント「Gamescom 2024」において、Samsungが視線追跡技術を用いることでメガネなしで3D映像を楽しめるゲーミングモニター「Odyssey 3D」を発表しました。

スマートフォンひとつで本物と見まごうようなAI画像が作れるようになるにつれて、本物の写真とAIによる偽物を区別する方法の必要性が急激に高まっています。そうした取り組みの代表的なものに、コンテンツの来歴を証明する技術である「C2PA」がありますが、その普及が遅々として進んでいない現状について、IT系ニュースサイトのThe Vergeが論じました。

2024年8月22日、GoogleがフラグシップスマートフォンのPixel 9シリーズをリリースしました。GoogleはPixel 9シリーズにおいて独自のAI機能をセールスポイントのひとつとしていますが、AI写真編集機能の「Magic Editor(編集マジック)」に搭載されているReimagineツールが、「写真が現実を捉えているという基本的な仮定を崩しつつある」とテクノロジーメディアのThe Vergeが指摘しています。

2024年7月13日に発生したドナルド・トランプ暗殺未遂事件の報道では、負傷したトランプ氏がシークレットサービスに囲まれながら右手の拳を突き上げる写真が大きく取り上げられました。この写真が見る人に強い印象を与える理由を、オーストラリア・シドニー工科大学デザイン学部で写真を教えているサラ・オスカー氏がまとめました。

IT系メディアのProof Newsが、AppleやAnthrpic、NVIDIAなどがYouTubeに公開されている17万本以上の動画の字幕をAIの学習に許可なく使用していたと指摘しています。

非営利の研究団体が作成したAI学習用のデータセット「The Pile」にYouTubeの字幕が含まれていたことを受け、このデータセットを使用したとされるAppleやNVIDIAが非難されました。これに対し、Appleは「研究用の言語モデルに使用したが、AppleのAI機能であるApple Intelligenceには使用していない」と反論しました。

OpenAIが2024年7月18日に、コスト効率に優れた小型モデルの「GPT-4o mini」を発表しました。低コストでありながら、一部のベンチマークでGPT-4を上回るスコアを示したGPT-4o miniは、GPT-3.5の後継として無料ユーザーとChatGPT Plusのユーザーに提供が開始されています。

日本のAI企業であるSakana AIが、日本を代表する美術のひとつである浮世絵を生成するAIモデル「Evo-Ukiyoe」と、浮世絵を彩色するAIモデル「Evo-Nishikie」を発表しました。

アメリカのカレッジフットボールを題材としたエレクトロニック・アーツ(EA)の最新ゲーム「EA SPORTS College Football 25」では、AIを用いて1万1000人の大学生を3Dスキャンし、3Dモデルが作成されています。

生成AIの普及に伴いAIを用いて作成された偽画像(ディープフェイク)を見分ける手法が求められるようになっています。イングランド・ハル大学の研究チームは、銀河の測定に使用するツールを利用してディープフェイクを見分ける手法を開発しました。

Stability AIがマルチアングル映像を生成するためのAIモデル「Stable Video 4D」を発表しました。

AI企業のRunwayが2024年6月に発表した動画生成AIモデルの「Gen-3 Alpha」は、写真系YouTuberの動画をスクレイピングしてトレーニングされた可能性があることが404 Mediaの調査により明らかになりました。