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

近年は感染症のパンデミックやリモートワークの普及により、ZoomやMicrosoft Teamsなどを利用したビデオ会議が一般的になりましたが、ビデオ会議は「videoconference fatigue(ビデオ会議疲労／Zoom疲れ)」と呼ばれる現象も引き起こしています。シンガポール・南洋理工大学の研究チームが実施した新たな研究により、ZOOM疲れを解消するための簡単な方法が明らかになりました。

山形大学ナスカ研究所とIBM研究所の共同研究プロジェクトが、AIを用いた6カ月間におよぶナスカでの現地調査により、新たに303個の地上絵を発見したと報告しています。これによりナスカ台地で確認済みの地上絵の数はほぼ倍増しました。

GoogleがGemini 1.5シリーズの性能強化版モデル「Gemini-1.5-Pro-002」と「Gemini-1.5-Flash-002」を発表しました。両モデルは強化前と比べて数学性能や視覚理解性能などが向上しているとのこと。また、Gemini 1.5 Proの値下げも発表されています。

映画「アバター」「タイタニック」「ターミネーター」の監督で知られるジェームズ・キャメロン氏が、画像生成AIのStable Diffusionを開発するStability AIの取締役に就任したことが2024年9月24日(火)に発表されました。

自分たちの書籍が同意なくAIのトレーニングに使われたとして、サラ・シルバーマン氏を含む3人の作家がOpenAIを訴えた裁判で、原告らが厳重な警備のもとでAIのトレーニングに使われた資料を精査することが認められたことがわかりました。

Googleはボットからのアクセスを防ぐためのシステムとして「reCAPTCHA」を提供しています。このreCAPTCHAのバージョン2(v2)を、AIで突破することに成功したと報告されました。

MetaがAIモデル「Llama 3.2」を2024年9月26日に発表しました。Llama 3.2には画像認識性能が向上した中規模モデルの「Llama 3.2 90B」と「Llama 3.2 11B」のほかに、スマートフォン上でのローカル動作に最適化された小規模モデル「Llama 3.2 3B」および「Llama 3.2 1B」もラインナップされています。

2024年9月25日、アレン人工知能研究所(Ai2)が新たなマルチモーダルAI「Molmo」をオープンソースでリリースしました。MolmoはOpenAIのGPT-4oやGoogleのGemini 1.5 Proといった、大手企業が開発した最先端のAIに匹敵する性能を持ちながら、モデルのサイズは約10分の1と非常に小さくなっています。ブラウザでMolmoの性能をチェックできるデモページも公開されていたので、実際に試してみました。

AI開発企業のOpenAIが、Moderation APIに新しいマルチモーダルモデレーションモデルを導入しました。このマルチモーダルモデレーションモデルはGPT-4oをベースとしており、テキストと画像の両方の入力をサポート。特に、英語以外の言語で以前のモデルよりも正確にモデレーションを実行してくれます。

iPhone 16の中身はiPhone 15と比べて進化していることがベンチマークの結果からわかりました。そして、サイズこそiPhone 15とほとんど変化はありませんが、iPhone 16は空間ビデオを撮影できるようにカメラが縦2列になり、さらに「カメラコントロール」という新しいボタンが追加されました。このカメラコントロールは果たしてどんなボタンなのかを使って確かめてみました。

大規模言語モデル(LLM)が自分の間違いを修正できるように開発されたトレーニング手法の「リフレクションチューニング」を用いてトレーニングされたオープンソースのLLM「Reflection 70B」が発表されました。

Adobeの生成AI機能群であるAdobe Fireflyに、間もなく動画生成機能の「Firefly Video」モデルが追加されることが明らかになりました。

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。