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

写真を撮った時は上出来だと思ったのに、いざSNSやブログにアップロードしようと思ったら、ピンボケや手ぶれでイマイチだったという経験がある人は多いはず。また、「ネット上にあったよさげなイラストをクリックしてみたらサイズが小さくてしょんぼり」というのもよくあります。

複数の視点から撮影した画像を組み合わせて奥行きのある映像を生成する「ニューラルレンダリング」の手法の1つである「3Dガウススプリッティング(3D Gaussian Splatting)」のレンダリング品質を飛躍的に高める方法「マルコフ連鎖モンテカルロ法としての3Dガウススプラッティング」を開発したとブリティッシュコロンビア大学とGoogleの研究チームが発表しました。

イギリスの主要駅でAmazonのAIを用いた監視システムが稼働していたことが判明しました。監視システムではカメラで撮影した人物の顔を自動認識して年齢や感情などを読み取っていたそうです。

イラストの下描きからキレイな線画を作り出せるAIアプリ「sketch2lineart」が、画像生成AI関連のアプリを開発しているとりにく氏によって公開されました。sketch2lineartはウェブ上に構築されたアプリで、処理がサーバー上で実行されるため低スペックなPCでも問題なくAIを活用できるとのこと。めちゃくちゃ便利そうだったので、実際に下描きを入力して線画を作ってみました。

プロ向けシネマカメラや動画編集ソフト「DaVinci Resolve」などの開発で知られるBlackmagic Designは、高機能なスマートフォン向けカメラアプリ「Blackmagic Camera」も無料で配布しています。そんなBlackmagic CameraのAndroid版が2024年6月24日(月)に登場したので、実際にインストールしてどんな機能が搭載されているのか確かめてみました。

1929年にアメリカ北東部のペンシルバニア州フィラデルフィアで生まれたマリオン・マーガレット・ストークスは、1940年代から1960年代初頭までFree フィラデルフィア自由図書館で司書として働いた後、公民権運動の活動家を経て、1979年から一日中テレビを録画しつづけることに固執したことで知られています。そんなストークスの人生とストークスが残した記録の重要な意義について、主に歴史に関するトピックを扱うメディアのAll That's Interestingが解説しています。

Googleに買収されたAIスタートアップ・DeepMindの共同創設者であり、記事作成時点ではMicrosoftのAI開発部門であるMicrosoft AIのムスタファ・スレイマンCEOが、オープンウェブ上にコンテンツを公開した瞬間、誰でも自由にコピーして使用できる「フリーウェア」になるという考えを自身が持っていることを打ち明けました。テクノロジーメディアのThe Vergeは、「誤った考えを持っている」と批判しています。

日本語で話す動画を、英語に自動翻訳＋アフレコしてくれるツール「Captions」。もともとはiOS版として提供されていたサービスだが、PC版（β版）が登場。AIを使った新機能も含め実際にテストしてみた。

Microsoft 365などソフトウェアをクラウドサーバーで動作させることでサービスのように扱えるシステムを「Software as a service」というように、「○○ as a service」というのは○○に入るものをサービスとして提供する行為の総称です。「Cat as a service」はいつでもネコを召喚できるシステムということなので、実際に多数のネコを召喚しまくってみました。

【読売新聞】　千葉県佐倉市のユーカリが丘ニュータウンを走行する鉄道「山万ユーカリが丘線」で１５日、顔認証で乗り降りできるシステムが全国で初めて本格導入される。利用者は事前に専用サイトでクレジットカード情報と顔を登録し、改札に設置され

株式会社サイバーエージェントは、75億パラメーターの日本語VLM（大規模視覚言語モデル）のベースモデルをHugging Face Hubで公開した。Apache-2.0ライセンスで提供されており、商用利用も可能だとしている。

AIスタートアップの米Luma Labsは6月12日（現地時間）、動画生成AIサービス「Dream Machine」を発表した。動画の内容を指示するプロンプトと1枚の写真から5秒の動画を生成する。生成スピードは1コマ1秒としており、120コマを2分で生成できるとしている。

動画編集アプリは数多くの種類が存在しますが、「動画に字幕だけを付けたい」といったちょっとした編集のために動画編集アプリをインストールするのは面倒です。「omniclip」はブラウザ上で動作するインストール不要の動画編集アプリとのことなので、実際にomniclipを使って動画に字幕を付ける編集をやってみました。

パナソニックのフルサイズミラーレス一眼カメラ「LUMIX S9」の製品サイトで、機能説明に使われている写真の多くがストックフォトの写真を流用していたことが判明し、物議を醸しています。騒動を受けて、パナソニックが謝罪文を発表しました。

画像認識が可能なオープンソースモデルの「Llama 3-V」が公開されました。Llama 3-Vは、OpenAIのマルチモーダルモデル「GPT4-V」よりも格段に小型で、事前トレーニングにかかる費用は500ドル(約78000円)程度なのにもかかわらず、ほとんどの指標で同等のパフォーマンスを示しています。

多くの現代車にはフロントガラスに落ちた雨滴を感知して動く自動ワイパー機能が搭載されていますが、テスラ車の自動ワイパー機能は性能が低いことが以前から指摘されています。一体なぜテスラ車の自動ワイパー機能がうまく動作しないのか、どうして問題の修正が難しいのかについて、テスラ関連の話題を取り上げるウェブメディアのNot a Tesla Appが解説しました。

2024年6月6日からアメリカのマンハッタンで開催されるトライベッカ映画祭で、OpenAIの動画生成AIである「Sora」を用いて制作された短編映画が上映されることが明らかになりました。

Amazonは生成AIと画像認識を使って、発送前の製品に破損したものや色・サイズが間違っているものがないかをチェックするシステム「Project P.I.」を発表しました。Project P.I.はすでにアメリカの一部フルフィルメントセンターで導入されているとのことです。

EUでは、児童性的虐待防止を目的に通話やメール、メッセージなどのスキャンを企業に義務付ける「Chat Control(チャット規制法)」の議論が進んでいますが、この法律は専門家や有識者、活動家などからプライバシーを損ない児童福祉にも逆効果であるとして批判されています。法案反対派の牙城とされてきたフランス当局が、スキャンに同意しなければメッセージが送れなくなる「アップロード・モデレーション」を含む妥協案を採用する方針をまとめたことを受けて、プライバシーに特化したメッセージアプリのSignalが、法律が成立した場合はEU市場から撤退すると表明しました。

アフリカ東部の内陸国・ウガンダ共和国では顔や指紋、虹彩など、一人一人固有の身体的な特徴を記録し、個人を識別する生体認証ツールの構築が進められています。しかし、ウガンダ政府はこのツールを政治家やジャーナリスト、人権活動家、一般市民を監視するためのツールとしても活用していることが指摘されています。

画像編集ツールのPhotoshopや動画編集ツールのPremiere Proなどを提供するAdobeが、Adobe Creative Cloudの利用規約を「ユーザーが作成しているプロジェクトにAdobeが自由にアクセスできるように」改定しました。

Amazonの動画配信サービスで、映画「十二人の怒れる男(原題：12 Angry Men)」のサムネイル画像が、作品とは関係ないAI生成の画像になっていることが指摘されています。

Metaが推し進める「コンテンツをAIトレーニングの素材として使っていく」施策に反発する形で、アーティストが中心となって設立したプラットフォーム「Cara」のユーザー数が、直近の1週間で4万人から70万人へ、17.5倍に増えたことがわかりました。

「Adobeがユーザー生成コンテンツに自由にアクセス・活用できるよう利用規約を更新した」として、一部のクリエイターから批判の声が集まっています。この件について、Adobeが利用規約を更新した理由や、ユーザーコンテンツへのアクセス権限を求める理由について説明するブログを更新しました。

2022年にロシアがウクライナ侵攻を始めて以降、ロシアは世界中の各国から制裁を受けています。世界的なテクノロジー企業であるAmazonが、ロシアに制裁が課されたあとに同国に顔認証技術を販売したと、Amazon Web Services(AWS)の元従業員がリークしました。

2024年6月に更新されたAdobe Creative Cloudの利用規約にある「ユーザーコンテンツにAdobeがアクセスする可能性がある」という文言が大きく批判を浴びたことを受け、Adobeが利用規約の各項目について明確化することを約束しました。これにより、ユーザーが作成したコンテンツがAI学習に使用されないこと等が明記されます。

画像生成AIのStable Diffusionなどのトレーニングには、約58億5000万もの画像とテキストの組み合わせからなるデータセット「LAION-5B」が用いられています。新たに人権NGOのヒューマン・ライツ・ウォッチ(HRW)が、LAION-5Bにはブラジルの子どもたちの写真が同意なしで使われており、多くの子どもたちは身元まで追跡可能であると報告しました。

Appleの空間コンピューティングデバイス「Apple Vision Pro」のVRビデオであるImmersive Video(空間ビデオ)の撮影に対応したカメラ「Blackmagic URSA Cine Immersive」を、映像機器メーカー「BlackMagic Design」が発表しました。Blackmagic URSA Cine Immersiveは空間ビデオの撮影専用に設計された固定式のカスタムレンズシステムを搭載し、両目それぞれ8160×7200ピクセルの解像度、16ストップのダイナミックレンジで3Dの空間ビデオコンテンツを作成可能とのことです。

YouTube動画の「サムネイル」は動画の内容を一番わかりやすく視覚的に宣伝することができる要素の1つで、YouTubeで活動する多くのクリエイターがこのサムネイルの作成に四苦八苦しています。YouTubeが、今後3枚のサムネイルでA/Bテストを行う機能を2024年7月までにすべてのクリエイターに展開すると発表しました。

写真コンテスト「1839 Awards」が「AIで生成した画像を審査対象とする部門」を用意した結果、AI生成画像と偽って投稿された「人間が撮影した本物の写真」が入賞してしまう事態が発生しました。