2025年3月11日に、Googleによるアイトラッキング技術を専門とするカナダのスタートアップ「AdHawk Microsystems」の買収に向けた交渉が最終段階に入っていることが報じられました。買収額は1億1500万ドル(約170億円)にのぼるとのことです。

商品画像やポートレート写真、動物写真、イラスト素材、ロゴ画像などの背景をほぼ完璧に透過してしまうという、AIを活用したソフトウェアが「Aiarty Image Matting」です。32万枚の4K画像からなるデータセットでトレーニングされたAIモデルを使った高度な切り抜きが可能ということで、その実力を実際に使って確かめてみました。

カナダ・プリンスエドワード島のある住宅に設置されたドアベルカメラが、2024年7月に地球に飛来した隕石(いんせき)が落下する様子を捉えました。

建物や植生、建築物同士の距離などをもとに、写真に写っている場所がどこなのかを秒単位で高精度で予測する「GeoSpy」というAIツールが、法執行機関を対象として販売されていることをニュースサイト・404 Mediaが報じています。

アメリカ航空宇宙局(NASA)がハッブル宇宙望遠鏡を用いて、10年以上をかけて撮影してきたアンドロメダ銀河の画像600枚をつなぎ合わせて作成した42208×9870ピクセルものパノラマ写真を公開しました。

Blueskyはオープンなネットワークプロトコル「AT Protocol」をベースに開発されており、誰でも自由にサードパーティークライアントを開発することができます。「Atlas」はBluesky上に存在する画像付きポストの閲覧およびコレクション管理に特化しており、インスピレーションの共有などに役立つとのこと。面白そうだったので、Atlasのベータ版を使ってみました。

中国の大手IT企業であるTencentが、単一の画像やテキストのプロンプトから高精度の3Dアセットを生成するAIシステム「Hunyuan3D 2.0」を発表しました。「Hunyuan3D 2.0」のソースコードは、AIプラットフォームのHugging Faceでオープンソースとして公開されています。

Googleが2025年1月22日、ロンドンで開催されたヨーロッパ最大の教育テクノロジー見本市「Bett 2025」で、顔を動かしてデバイスを操作できるユーザー補助機能である「Face Control」をChromebookに統合することを発表しました。

AI開発プラットフォームのHugging Faceが、画像や短い動画、テキストを分析できるAIモデルとしては最小となる「SmolVLM-256M」「SmolVLM-500M」をリリースしました。Hugging Faceによれば、この2モデルはメモリが1GB未満のノートPCでも適切に動作するように設計されているとのことです。

2024年12月に発売したソニーのミラーレスカメラ「α1 II」は、「有効画素数約5010万画素」「AF追従しつつ秒間30コマで連写可能」「AI処理ユニットで被写体を自動認識して追尾」といった高度な機能を備えています。そんなα1 IIをソニーから借りられたので、まずは外観を細かくチェックしてみました。

開発者向けの生成メディアプラットフォーム「fal.ai」が、オープンソースの生成AI搭載動画編集ツール「AI Video Starting Kit」を公開しました。ウェブブラウザ上で動画生成AIモデルの操作が可能になり、その場で編集することが可能です。

QRコードは基本的に1つのデータしか保存できません。ところが、「角度によって異なるURLを読み取らせるQRコード」がインターネット上に投稿されて話題を呼んでいます。

中国のAIスタートアップであるDeepSeekが、独自の画像生成モデル「Janus Pro」を公開しました。Janus ProはOpenAIの画像生成AIであるDALL-E 3を上回る性能を持つとアピールされており、MITライセンスで公開されています。

Alibaba CloudのAI研究チームであるQwenが、視覚言語モデル「Qwen2.5 VL」をリリースしました。Qwen2.5 VLは画像に含まれる被写体の種類を認識したり文字を書き起こしたりできるだけでなく、PCやスマートフォンのUIを認識して自動操作することもできます。

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。