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

Adobeのクリエイター向けイベント「Adobe MAX 2022」が日本時間の2022年10月19日から開始しています。その中でAdobeは、クリエイター中心の画像生成AIを開発し、その使用における透明性を確保することにより、Adobe製品を用いた創作をサポートするというコミットメントを発表しました。

2022年8月に画像生成AI「Stable Diffusion」が一般公開されて以降、文章を入力するだけで好みの画像を生成してくれる画像生成への注目が高まっています。そんな中、イラストの作者が人間なのかAIなのか当てるクイズ「Human or AI」が公開されていたので、実際に挑戦してみました。

“やじうまの杜”では、ニュース・レビューにこだわらない幅広い話題をお伝えします。

英Imperial College London（ICL）の研究チームは、テキスト入力に応じて自動生成した画像を目標に、ロボットが動いて物体を再配置するシステムを提案した研究報告を発表した。

Microsoftが2022年10月12日に開催したSurface新製品発表イベントで、Microsoft 365の新アプリである「Microsoft Designer」、そして検索エンジンのBingに追加される「Image Creator」機能を発表しました。このMicrosoft DesignerとBingのImage Creatorには、OpenAIの画像生成AI「DALL-E 2」が組み込まれることも明らかとなりました。

Stable Diffusionなどの画像生成AIは、「プロンプト」と呼ばれる文字条件から画像を生成します。Waifu-DiffusionやNovelAIなど、二次元イラストに特化した画像生成AIは、二次元イラストサイトのDanbooruにアップロードされた画像で学習しています。そこで、Stable DiffusionではなくDanbooruのタグで画像を生成する手助けになる機能「Deep Danbooru」が、Stable DiffusionのウェブUIの決定版である「AUTOMATIC1111版Stable Diffusion web UI」で簡単に利用できるようになったので、実際に使ってみました。

2022年9月に登場したアクションカメラ「Osmo Action 3」は、4万円台という比較的安価な価格ながら頑丈なボディや水深16mまでの防水性能などアクションカメラとして申し分ない耐環境性能を備えています。そんなOsmo Action 3が編集部にやってきたので、外観チェックに続いてブレ補正性能や水中での色合いの変化などを徹底的に検証してみました。

リモートワークの普及に伴って、「従業員の仕事をウェブカメラを通して監視する」という仕組みを導入する企業も増えていますが、ウェブカメラによる監視を不快に思う人も多いはず。オランダでは、「ウェブカメラでの監視を拒否した」という理由で従業員を解雇した企業に対して、プライバシー侵害や不当解雇の補償として合計約7万5000ユーロ(約1000万円)の支払いを命じる判決が下りました。

Stable Diffusionよりもはるかに高い精度でイラストを生成できる画像生成AIサービス「NovelAI」のAIモデルについて、NovelAIの開発チームが自身のブログで解説しています。

高精度な画像を生成できることで話題となっている「Stable Diffusion」が、どのように入力されたテキスト(プロンプト)からイラストを生成しているのかについて、機械学習関連のトピックについての解説動画などを投稿しているジェイ・アラマー氏が解説しています。

画像生成AIの「DALL・E 2」で、生成する画像を指示するテキストプロンプト、いわゆる呪文としてキリスト教の聖書の文言を使った画像集が公開されています。古代から伝わる教典と最新のAI技術のコラボレーションにより生まれた画像の中には、中世の名画を再現しているものや現代風のポップアートになってしまった画像などもあるので、特に印象的なものをピックアップしてみました。

ビジネスSNS・LinkedInで、AIが生成した写真と他のアカウントからコピーした内容を組み合わせた偽のプロフィールが急増しており、LinkedInで採用を行っている企業が大きな打撃を受けていると報告されています。

画像生成AIのStable Diffusionは「潜在拡散モデル」と呼ばれるタイプのモデルとなっており、与えられた指示に従って画像を生成するだけでなく、低解像度の画像を高解像度にアップコンバートしたり、画質を保ったまま画像を圧縮したりすることも得意とされています。そんなStable Diffusionを使って、カクカクポリゴンのキャラクターで知られている初代バーチャファイターを今風のリアルな3DCGに変換した画像が話題となっています。

Stable DiffusionやMidjourneyなどの画像生成AIは、大量の画像で構成されたデータセットで学習を行っています。高精度の二次元イラストを生成できるとして話題になったNovelAIも、学習したデータセットに海外の二次元画像サイト・Danbooruの画像を多く含んでいるといわれています。そんなDanbooruの公式運営チームが、NovelAIについて声明を発表しました。

AIの発達により、テキストを入力するだけで3Dモデルを生成したり、ワンクリックでこの世に存在しない家の写真を生成したりするなど「画像」に関するさまざまな恩恵を受けられるようになっています。新たに、部屋の写真をアップロードするだけで自動的にインテリアを考えてくれる「INTERIOR AI」が登場したので実際に使ってみました。

画像生成AIのStable Diffusionは、ノイズを除去することで画像を生成する「潜在拡散モデル」で、オープンソースで開発されて2022年8月に一般公開されたため、学習用のデータセットを変えることで特定の画像を生成するのに特化したフォークモデルが多数存在します。そんなStable Diffusionから派生して生まれた特化型モデルとその特徴や生成例をまとめてみました。

2022年9月16日に発売された「iPhone 14」シリーズは最大4K60fpsでの動画撮影が可能なほか、新たに撮影時の手振れを補正する機能「アクションモード」が利用可能になるなど、ビデオ撮影機能も充実しています。そんなビデオ撮影の実力を実際に映像を撮影して確かめて見ました。

「ダイ・ハード」シリーズや「アルマゲドン」、「シックス・センス」など数々の映画で活躍してきた俳優のブルース・ウィリスは、2022年3月に失語症を理由に俳優業を引退しました。そんなブルース・ウィリスが、「ディープフェイクを使って自身のデジタルツインを映画や広告に出演させる権利」を売却したことが明らかになりました。

MetaのAI研究所「Meta AI」が、文字列(プロンプト)を入力するだけで動画を生成するAI「Make A Video」とその成果を発表しました。

入力したテキストをベースに画像を出力する「Stable Diffusion」のような拡散モデルが流行していますが、このアプローチを進化させて「テキストから3Dモデルの生成」を実現する3D自動生成AI(人工知能)「DreamFusion」の開発にGoogle Researchやカリフォルニア大学バークレー校の研究者たちが取り組んでいます。

近年は画像生成AIの「Stable Diffusion」がクオリティの高さを見せつけて話題となっていますが、新たに匿名の研究者がテキストを基に動画を生成するAI「Phenaki」を発表しました。

Hug (づಥ_ಥ)づ Me

今回ご紹介するのは、Transfomer ベースの予測ネットワークを使うことによって、低画質の顔画像を高画質化する CodeFormer という技術です。

2022年8月に画像生成AI「Stable Diffusion」が一般公開されて以降、誰でも簡単に画像生成AIを利用できるシステムが開発されたり、画像生成AIを便利に使うためのサービスが続々と開発されたりと、大きな盛り上がりを見せています。新たに、AI研究団体のOpenAIが2021年1月に発表していた画像生成AI「DALL・E」を一般公開しました。これにより、これまで順番待ちが必要だったDALL・Eを誰でもすぐに利用可能となったので、利用登録の手順や使い方をまとめてみました。

機械学習プラットフォームのTensorFlowで実行される、Pythonで記述されたディープラーニング用APIが「Keras」です。このKerasを拡張して画像分類、物体検出、画像分割、画像データ補強などを行うためのモジュール式ビルディングブロック「KerasCV」を使うと、画像生成AIのStable Diffusionが約30％高速になるという報告が、KerasCVの開発者による研究チームからあがっています。

2022年8月に一般公開された画像生成AI「Stable Diffusion」をユーザーインターフェース(UI)で操作できる「AUTOMATIC1111版Stable Diffusion web UI」は非常に多機能で頻繁にアップデートされており、Stable DiffusionのUIツールとしては記事作成時点で決定版ともいえる存在です。そんなAUTOMATIC1111版Stable Diffusion web UIで一度に大量の画像を生成したり画像生成をプッシュ通知させたりといった、より便利に使うための設定方法をまとめてみました。

入力したプロンプトを基に画像を生成するAI「Stable Diffusion」は一般公開以降、世界中の人々から注目を浴びており、さまざまなツールや応用方法も発表されています。そんなStable Diffusionで画像を生成する際の設定項目には、「画像生成でどれだけプロンプトに従うか」を決める「CFG(classifier-free guidance)スケール」という値があります。