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

世界初の「16歳未満のSNS利用を禁止する法律」が成立したオーストラリアでは、未成年にSNSを使わせないための年齢確認ツールの試験運用が進められていますが、実際のところ年齢確認があまりうまくできていない実態が明らかになりました。ティーンエイジャーを37歳だと認識した事例が報告されているほか、業者が過度に個人情報を収集しようとするケースも見つかっているとのことです。

Metaがサングラスブランド「Oakley(オークリー)」とコラボしたスマートグラス「Oakley Meta HSTN」を発表しました。アスリートやファンに向けた製品だとのことで、IPX4の防水性能を備えています。

2025年6月3日(火)に、Adobeが画像編集アプリ「Photoshop」のAndroid版をリリースしました。記事作成時点ではべータ版の扱いで、無料でレイヤーを用いた画像編集機能やAIによる画像生成機能を利用できます。すでに日本でもダウンロード可能だったので実際に使ってみました。

Epic Gamesが開発するリアルで感情表現豊かなデジタルヒューマン(MetaHuman)を作成・アニメートできるフレームワークが「MetaHuman」です。そんなMetaHumanが早期アクセスを終了し、より幅広いユーザーの間で利用可能となりました。また、MetaHumanを作成するツールであるMetaHuman Creatorが、Unreal Enginに完全に統合されています。

Googleが人の声も付けられる動画生成AI「Veo 3」を発表するなど動画に関連するAI技術は日々進歩しており、人の目ではもはやAI製と見抜けられないほど精度の高い動画が出回り始めています。研究者らはAI製の動画を検出するために、動画に映った人物の「心臓の鼓動」を手がかりにしようとしましたが、AI製の動画にも心臓の鼓動が反映されていることがわかったそうです。

機械知覚、コンテクスチュアルAI、ロボティクスの分野における最先端の研究を推進することを目的としたMetaのスマートグラス「Aria Gen 2」について、Metaが詳細なスペックを自社ブログで発表しました。

中国のスマートフォンメーカーであるHonorが、Googleの「Veo 2」モデルを搭載した画像から動画を生成するAIジェネレーターを発表しました。このAIジェネレーターは2025年5月22日に発売予定の「Honor 400」および「Honor 400 Pro」で先行提供されます。

AI開発企業が著作権で保護されたコンテンツをAIモデルのトレーニングに使っていることが問題視される中、イギリス政府は「権利保有者がオプトアウト(拒否の姿勢を明示)しない限り、企業が無許可でコンテンツをAIモデルのトレーニングに利用することを認める」ことを提案しています。この提案に対しては企業やアーティストから反対の声が上がっており、イギリス議会の上院に相当する貴族院も、政府の提案に反対するデータ法案の修正案を可決しました。

1枚の写真を見て、写真の具合やそこに映っているものから写真が撮影された西暦を推測するクイズ「Which Year」は、毎日更新される問題に無料で挑戦してスコアを試すことができます。

動画編集やDVDリッピンングができる高性能動画編集ソフト「VideoProc Converter AI」で、AIを用いた動画の高画質化やフレーム補間、手ぶれ補正が可能になったということで、実際に使ってみました。

中国の動画共有サービス・bilibiliのチームが、1枚の画像からアニメーションを作成するAIツール「AniSora」を発表しました。

Googleが画像生成AI「Imagen 4」を日本時間の2025年5月21日に発表しました。

Googleが動画生成モデルの「Veo 3」を発表しました。最大4Kまでの解像度の動画を作成できる過去モデル「Veo 2」の品質を向上させただけでなく、Googleの動画生成AIとして初めて「音声付き」の動画生成が実現しています。

GoogleがAIを活用した映画制作ツール「Flow」を日本時間の2025年5月21日に発表しました。Flowには動画生成AIの「Veo 3」や画像生成AIの「Imagen 4」が統合されており、各シーンの生成からカット編集までの一連の流れを1つのアプリで実行できます。

Googleが、GoogleのAIで生成されたコンテンツを迅速かつ効率的に識別するための検証ポータル「SynthID Detector」を発表しました。

顔で認証する機能付きのスマートロックの失敗談としてありがちなのが、顔認証の精度が低すぎるという問題です。朝夕の逆光や夜の暗さ、メガネをかけているかどうかやメイクなどで顔認証に失敗したり、認証に時間がかかってモタついたりすると、結局カギや指紋認証でドアを開けることになって、顔認証を導入した意味がなくなります。

通常は人間が見ることができない波長の光を可視光に変換することで、暗闇の中や目を閉じた状態でも赤外線を見ることができるようになるコンタクトレンズを、中国の研究者が発表しました。

AIが作り出した架空の人物「デジタルクローン」は現実の人間と見分けがつかないほど精巧なこともあり、政治的な目的で使われたり、企業のマーケティング戦略に使われたりするケースが増加しつつあります。ファッションのPRにデジタルクローンを使うことの利点と問題点について、経営戦略の専門家であるルアナ・カルカーノ氏が解説しています。

画像生成AI「Stable Diffusion」の開発者らが設立したAI企業「Black Forest Labs」が、画像生成AI「FLUX.1 Kontext」を2025年5月29日にリリースしました。同時にBlack Forest Labs製のAIモデルを簡単に試せるウェブアプリ「FLUX Playground」も公開されたので、実際にFLUX PlaygroundにアクセスしてFLUX.1 Kontextを使ってみました。

複数のAI企業や団体が画像生成AIを開発しており、どの開発者も自身が開発した画像生成AIの性能の高さをアピールしています。「GenAI Image Showdown」は複数の画像生成AIに同じプロンプトを入力した結果をまとめたウェブサイトで、どの画像生成AIがプロンプトに忠実な画像を生成できるのかが一発で分かります。

PS3の時計機能が2010年をうるう年と誤認識していたことが障害の原因だった。

米マイクロソフトが運営するクラウドサービス「Windows Azure Platform」で2012年2月29日、複数地域にまたがるサービス障害が発生した。Windows Azureの仮想マシンの一部で半日近く通信ができなくなった。Windows Azureの管理コンソールやデータベース連携サービスなどは、3月1日13時現在（日本時間）も復旧していない。同社は障害の原因を調査中だが、うるう年に関連する計算エラーがあった模様だと公式ブログで説明している。

AIモデルをローカルで実行できるオープンソースソフトウェア「llama.cpp」が画像の入力に対応しました。画像とテキストを同時に入力して「この画像には何が写っている？」といった質問に回答させられます。

ユーザーが入力したテキストプロンプトからレゴで組み立てた構造物を生成できる「LegoGPT」を、カーネギーメロン大学の研究チームが発表しました。また、研究チームは4万7000件を超えるレゴ構造物と2万8000件以上のユニークな3Dオブジェクトを含むデータセット「StableText2Lego」もリリースしています。

データセットのサイズ増大や、画像キャプチャ技術の改善、ビジュアルデータから多くの情報を抽出する能力の向上、および入力データとして画像を含む大規模言語モデルへの移行などによって、ワークロードを適切に実行するためには効率的な画像変換と準備が不可欠になっています。AMDの「rocJPEG」はROCmプラットフォームとAMD Instinct GPUを使用して、4k画像のデコード速度が最大50倍高速になるとのことです。

中国深セン市の観瀾(Guanlan)という地区に建てられたHuawei工場で、2022年の着工以来急速に開発が進んでいることが衛星画像から明らかになりました。

「Screenrecorder.Me」は、ブラウザから画面上での動作を動画でキャプチャできるウェブアプリです。無料かつログイン不要で利用でき、簡単な操作でキャプチャした後にブラウザ上で直接編集し、動画をそのまま他人に共有することが可能となっています。

TikTokは2025年5月13日にTikTok初のクリエイティブ機能「TikTok AI Alive」を発表しました。AI Aliveは、アップロードした写真をAIで簡単にアニメーション化できる機能で、TikTokストーリーカメラでのみ利用可能です。

Metaが顔認識技術に関する方針を転換し、スマートグラスに周囲の人の顔をスキャンして名前を識別するソフトウェアを追加することを検討していると報じられています。同社は将来的に発売する予定のカメラ内蔵のAI搭載イヤホンにもこの技術を搭載することを検討しているとのことです。