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

資料や作品を作成していると「この画像に似た画像を複数枚用意したい！」という状況になることがあります。画像生成AI「Stable Diffusion」で知られるAI企業Stability AIが開発した「Reimagine XL」を使えば、画像をドラッグ＆ドロップするだけで類似画像をサクッと生成できるとのこと。日本でも無料で使用可能だったので、実際に使ってみました。

世界最先端のテクノロジー情報をお届けするグローバルメディア「MITテクノロジーレビュー」から、ビジネスに役立つ注目のテック企業の最新動向、イノベーションにつながる最新の研究内容をピックアップして紹介します。

画像生成AIの著作権問題が複雑化している。Stable Diffusionでは何者かによってリークされたNovel AIのデータ由来と見られる派生モデルが人気になっている。モデル同士を混ぜあわせる機能もあり、同定は難しい。

「Midjourney」の生放送でチャレンジした似顔絵がちょっと微妙な感じでしたので、引き続き、あのとき例題として利用した写真を使って、もうちょっと本人に似るまで試行錯誤を繰り返したら、どんな結果になるのか、を、その試行錯誤の過程と共にお届けします。

今流行りの画像生成AIで遊んでみたいけど、始め方が分からん！ という方のための、「Midjourney」始め方ガイドです。始め方と簡単な使い方だけご紹介したいと思います。

画像生成AIで画風やデザインを制御できる「ControlNet」という技術が登場。同じキャラクターを高精度に生成できる可能性が出てきた。世界に革命を起こしたと言われる「StableDiffusion」以来、2度目の衝撃だ。

画像加工ツールとして高い支持を集めるPhotoshopに、ワンクリックするだけで背景と物体を切り分けられる機能「Select Subject」が発表されました。これまで必要だった面倒な手作業が不要になる強力な編集機能となっています。

「AkumaAI」は声付きで応答してくれるキャラクターAIを生成できるサービスで、ユーザーは好みの声や口調、口癖、性格を指定して自分好みのキャラクターを作り出せます。記事作成時点では1日2体までキャラクターを無料生成可能だったので、実際に生成してみました。

アメリカ連邦議会の上院司法委員会は、2023年5月16日にAIの監視と規制について公聴会を開き、OpenAIのサム・アルトマンCEOらを証人として喚問しました。この公聴会の開催に際して、画像生成Ai「Stable Diffusion」の開発元であるStability AIのエマード・モスタークCEOが、AIにおけるオープンソースの重要性と意義を訴える公開書簡を発表しました。

画像生成AI「Stable Diffusion」の開発元であるStability AIは、直感的な操作でStable Diffusionによる画像生成を実行できる公式ウェブアプリ「DreamStudio」を提供しています。このDreamStudioは有料サービスとして展開されているのですが、新たにDreamStudioとほぼ同一の機能を備えた無料アプリ「StableStudio」が登場しました。StableStudioはオープンソースで開発されており、今後も機能を拡張する予定です。

アメリカ国防総省庁舎(ペンタゴン)付近で爆発が起きたとの一部報道を受け、アメリカ株式市場でダウ工業株30種平均が約80ポイント下落するなど市況が混乱しました。後にこの報道は誤りだったことが分かりました。

大手フォトストックサービスのGetty Imagesが2023年2月3日に、画像生成AI「Stable Diffusion」を手がけるAI企業のStability AIに対する訴訟をアメリカの裁判所に提起しました。Getty ImagesがStability AIを相手に法的手続きに踏み切ったのは、2023年1月にイギリスで訴訟前通告書を発行したのに続き今回で2回目です。

ジェネレーティブAIは画像や文章を人間よりも素早く生成できるため、ジェネレーティブAIを運用することで作業を大幅に効率化することが可能です。このAIによる効率化はゲーム開発の現場でも取り入れられていると、The New York Timesが報じています。

2015年、Googleの写真アプリであるGoogleフォトが黒人の写真を「ゴリラ」とラベル付けしてしまう事件が発生し、「AIが持つバイアス」の論争が巻き起こりました。この事件から8年が経過した記事作成時点ではAIテクノロジーが格段に進歩していますが、いまだにGoogle・Apple・Amazon・Microsoftなどの画像認識AIは「ゴリラ」とラベル付けするのを避けていると、アメリカの日刊紙ニューヨーク・タイムズが報じています。

Adobeが画像編集アプリ「Photoshop」にジェネレーティブAI「Firefly」を統合し、AI機能「ジェネレーティブ塗りつぶし」を追加することを発表しました。「ジェネレーティブ塗りつぶし」では「画像の続きを生成」「画像の一部をAIで生成した画像に置き換え」といった操作を実現可能です。

イラストや実写画像を大きく拡大すると輪郭がぼやけてしまいます。無料のウェブアプリ「Vectorizer.AI」を使えばイラストや実写画像を無限に拡大可能なSVG形式に変換できるとのことなので、実際に使ってみました。

画像生成AI「Stale Diffusion」を開発するStability AIが、Stable Diffusionをベースとしてテキストからアニメーションを生成できる開発者向けツール「Stable Animation SDK」をリリースしました。

近年はAIの発達により、簡単に実在の人物が登場するディープフェイクの動画や音声を作成できるようになりました。そんな中、電気自動車メーカー・テスラの弁護団がテスラ車の死亡事故に関する裁判で、「原告が提出した音声はディープフェイクの可能性がある」と主張する事態が発生。裁判の証拠品に対して「これはディープフェイクだ」と反論されることについて、専門家が懸念を表明しています。

人が外界を認識する時、「人通りの多い通りを見ながら、車のエンジン音を聞く」というように、視覚・聴覚・触覚・嗅覚・味覚という複数の感覚を同時に使います。MetaのAI開発部門であるMeta AIが、「テキスト」「画像と映像」「音声」「動きを計算する深度(3D)」「赤外線による熱」「慣性測定ユニット(IMU)による動き」という6つのデータを統合するオープンソースのAIモデル「ImageBind」を発表しました。

「教会にいるネコ」の画像を「オフィスにいるネコ」の画像に変えるといった感じに、画像に写ったオブジェクトの姿形を残したままに周囲の風景だけを別のシーンに差し替えることができる画像編集サービス「Edit Anything」が公開されていたので、実際に試してみました。

2023年5月11日(木)に開催された「Google I/O 2023」の基調講演で、ムービーの吹替音声を自動生成しつつ口の動きも変化させられるAI技術「Universal Translator」が発表されました。

Googleフォトには、写真に写り込んだ不要なものを削除する「消しゴムマジック(Magic Eraser)」や、撮影時に入ったボケやぶれを取り除いて鮮明な写真にしてくれる「ボケ補整(Photo Unblur)」といった機能がありますが、新たに、AIによって写真を再構築し、簡単に編集できる「Magic Editor」が搭載されることになりました。

2023年4月18日に、Xiaomiが「1インチセンサー採用メインカメラ」や「焦点距離120mmの超望遠カメラ」など4個のカメラを搭載したスマートフォン「Xiaomi 13 Ultra」を発表しました。Xiaomi 13 Ultraに搭載されているカメラはライカと共同開発されたもので、スマートフォン付属カメラとしては信じられないほどの高スペックカメラに仕上がっています。

Stable Diffusionの開発元であるStability AIが、オープンソースのチャットボットAI「StableVicuna」のリリースを発表しました。StableVicunaは、Metaが開発した大規模言語モデルのLLaMA 13BをベースとするチャットボットAI「Vicuna-13B」をさらに調整して訓練したチャットボットAIです。

AIによって1枚のイラストを色や明るさに応じて自動でレイヤーにわけてくれるツール「layerdivider」を、抹茶もなかさんが無償で公開しています。ブラウザのUIにイラストを読み込ませてボタンをクリックするだけでレイヤー分けしてくれるだけでなく、Adobe PhotoshopやCLIP STUDIO PAINTで読み込めるPSD形式のデータにも出力してくれるとのことで、実際にローカルPCにインストールして使う方法をまとめてみました。

画像生成AIのStable Diffusionを開発するStability AIが、画像の鮮明さを損なわずに画像のサイズを拡大できるイメージアップスケーリングAPIのリリースを発表しました。

人間が撮影した写真には著作権や肖像権などさまざまな法律による規制が課せられています。しかし、急速に発展・普及するAIの分野では法律による規制が追いついていないのが実情です。そんな中、自身の写真をAIの学習に使用されたと主張する写真家が、逆に損害賠償を請求されていることを明かしています。

2023年4月にソニーから登場した動画特化カメラ「VLOGCAM ZV-E1」はフルサイズセンサーを搭載しつつ小型軽量ボディを実現しています。そんなVLOGCAM ZV-E1を借りられたので、撮影性能を検証するべく多様なシチュエーションでムービーを撮影しまくってみました。

カリフォルニア州のサンタクララ郡高等裁判所で行われているテスラの電気自動車による死亡事故を巡る裁判で、被告側のテスラが、原告側から提出された「イーロン・マスクCEOが2016年に発表した声明のムービー」をディープフェイクの可能性があると主張しました。これを受けて、裁判官はマスク氏に対して、実際に特定の発言をしたかについて宣誓した上で証言するように命じました。

データや信号を一定の規則に基づいて変換することをエンコード、元に戻すことをデコードといい、このエンコードとデコードを行う規格が「コーデック」です。動画は静止画の連続であり、さらに音声を含めるとどうしてもファイルサイズが大きくなってしまいますが、コーデックによってファイルサイズを圧縮することができます。4K解像度が当たり前になりつつある時代に登場したコーデック「HEVC」「AV1」「VVC」について、ハードウェア系ニュースサイトのChips and Cheeseが比較検証を行っています。