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

Googleが軽量かつ高性能なマルチモーダルAIモデル「Gemma 3n」を2025年6月26日(木)に正式リリースしました。正式リリースに合わせて詳細な仕様やベンチマーク結果が公開されています。

AlibabaのAI開発チームであるQwenが画像生成AI「Qwen VLo」を2025年6月26日(木)に発表しました。Qwen VLoは画像内に含まれるコンテンツ理解力が高く、正確な画像編集が可能とのこと。また、プログレッシブ生成手法を採用しており、左上から順番に画像が生成されるのも大きな特徴です。

2025年6月26日、デンマーク政府が著作権法を改正し、誰もが自分の身体・顔の特徴・声に対する権利を持てるようにすることで、AIなどを用いて生成された偽画像や偽映像を指すディープフェイクを取り締まる予定であると発表しました。

生成AIによるコンテンツは、SNSや作品投稿サイトで見ない日がほとんどないほどあふれていますが、著作権の問題や従来のクリエイターの機会を奪う可能性など、商業作品に取り入れるには依然として多くの問題を抱えています。映画監督のブリン・ムーザー氏が立ち上げた製作会社「Asteria」は適切にライセンスされた素材のみで学習された「倫理的な生成AI」である「Marey」を構築しており、その特徴とそれでも存在している問題についてムーザー氏が語っています。

AIによる画像生成は功罪相半ばするものですが、観葉植物界隈では、存在しない植物の画像を用いて愛好家を呼び込む詐欺が発生していると注意喚起が行われています。

監視カメラをはじめとしたセキュリティ機器を扱う中国・杭州のHikvision Digital Technologyに対して、カナダのメラニー・ジョリー産業大臣は「国家安全保障上の懸念がある」として、カナダ国内での事業を停止するよう命じたことを明らかにしました。

「FLUX.1 Kontext [dev]」は自然言語で画像を編集可能な画像生成AIモデルで、2025年6月26日にリリースされました。このFLUX.1 Kontext [dev]にはNVIDIAと共同開発したNVIDIA製GPU最適化版が存在しており、基本モデルと比べてVRAM使用量を大幅に削減しつつ処理を高速化することに成功しています。

AIの性能を測るベンチマークはいろいろとありますが、その中でちょっと変わったものがエンジニアのサイモン・ウィリソン氏考案による「自転車に乗ったペリカンを描かせる」というもの。2025年6月に開催されたAIエンジニアワールドフェアの基調講演で、ウィリソン氏が最新の「自転車に乗ったペリカン」を報告しています。

現地時間の2025年6月11日、HPがバーチャルコラボレーションを次のレベルに引き上げるためのAI搭載の超絶リアルな3D動画コミュニケーションツールとして「HP Dimension with Google Beam」を発表しました。ヘッドセットやメガネ、ウェアラブル機器を必要とせず、実際に対面しているかのような没入感を実現することが可能な65インチディスプレイを搭載しています。

2025年6月11日(水)、ディズニーとユニバーサルが著作権で保護されているはずの人気キャラクターたちを勝手に利用しているとして、画像生成AIのMidjourneyを提訴しました。ディズニーおよびユニバーサルはMidjourneyを「盗作の底なし沼」と痛烈に批判しています。

MetaがMeta AIのアプリとウェブ版、そして動画編集アプリのEditsで生成AIを用いた動画編集機能をリリースすると発表しました。

Amazonの広告管理ツール「Amazon Ads」に実装されていた動画生成ツール「Video Generator」の機能が強化され、正式提供が始まりました。広告主は1枚の商品画像からさまざまなAI動画を生成することができます。

生成AIのパフォーマンスは日々向上していますが、より優れたAIを動かすためには、より多くのVRAM(ビデオランダムアクセスメモリ)が必要になります。例えば画像生成AIのStable Diffusion 3.5のうち、80億のパラメータを持つ最も強力な「Large」を実行する場合、基本モデルは18GBのVRAMを使用します。このVRAM使用量を削減して、より効率的なパフォーマンスで実行できる技術をNVIDIAが公開しました。

現地時間の2025年6月11日に開催されたNBAファイナルの第3戦で、AIを用いて生成された動画広告が流れました。NBAファイナルの視聴者に大きなインパクトを与えたこの動画ですが、制作費はわずか2000ドル(約28万8000円)と従来の動画広告と比べて95％もコスト削減を実現しており、制作時間もたったの2日であることが明らかになっています。

Adobeの生成AI「Firefly」が、AndroidおよびiOS向けのモバイルアプリとしてリリースされました。テキストからの画像や動画の生成、Adobe Photoshopにも搭載されている生成塗りつぶし機能や生成拡張機能が使用可能で、Adobe Fireflyのモバイルアプリで生成されたものはすべてユーザーのCreative Cloudアカウントに自動的に同期されるため、ウェブやAdobeのデスクトップアプリでの作業が簡単になります。

YouTubeがYouTubeショートにGoogleの動画生成AI「Veo 3」を統合すると発表しました。

画像生成AIを開発するMidjourneyが、Discord経由で利用できる動画生成AIモデル「V1」をリリースしたと発表しました。V1はアップロードした画像、あるいはMidjourneyの他のモデルで生成された画像を使用するだけで、その画像に基づいて5秒間の動画4本を生成することが可能です。

Googleは、チャットAIのGeminiや最大4Kまでの解像度の動画を作成できる動画生成モデルの「Veo 3」を展開するにあたり、YouTubeにアップロードされた膨大なライブラリをトレーニングに活用していますが、その事実をクリエイターの多くはあまり認識していないことが明らかになりました。YouTubeは動画クリエイターの権利を保護する姿勢を表明していますが、一部の専門家は投稿動画をAIのトレーニングに使うことは知的財産の危機につながる可能性があると指摘しています。

AdobeがiPhone向けのカメラアプリ「Project Indigo」を発表しました。このアプリの開発者の1人であるマーク・ルヴォイ氏は、Google Pixelの純正カメラに搭載されているコンピューティショナルフォトグラフィー技術の開発に携わった人物として知られています。

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。