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

ChatGPTの開発元として知られるOpenAIは、テキストを入力するだけで高画質な動画を生成できるAI「Sora」の開発も進めています。新たに、Soraを用いて作成された動画の実例が大量に公開されました。

Adobeが2024年3月26日から27日にかけて開催しているデジタルエクスペリエンスカンファレンス「Adobe Summit 2024」において「Adobe Experience Platform AI Assistant」「Federated Audience Composition」「Adobe Real-Time Customer Data Platform (CDP) Collaboration」という3つのイノベーションを発表しました。また、画像生成AIの「Firefly」でもアップデートが行われています。

DALL-E 3やStable Diffusionといった人気の画像生成AIの拡散モデルを簡素化し、生成される画像の品質を維持しつつ生成スピードを最大で30倍加速させる技術を、アメリカ・マサチューセッツ工科大学(MIT)の研究チームが公開しました。

イスラエルの軍事諜報部門がガザ地区で実験的な顔認識プログラムを展開し、人工知能プログラムを用いて指名手配犯を捜索していることが明らかになりました。軍は民間企業の技術のほか、Googleフォトも利用していると報じられています。

Amazonがアメリカを中心に展開している手のひら認識サービス「Amazon One」で、スマートフォンから手のひらを簡単に登録できるようになったことが発表されました。これまでは店頭で手のひらの登録作業を行う必要があったのですが、今後は自宅で簡単に登録できるようになります。

【読売新聞】　政府は２１日、生成ＡＩ（人工知能）の急速な発展に伴う知的財産権保護のあり方を議論する「ＡＩ時代の知的財産権検討会」の会合をオンラインで開き、中間とりまとめの骨子案が了承された。生成ＡＩの開発者・提供者に対し、ＡＩの学習

【NHK】KDDIは、国産の生成AIを開発する東京大学発のスタートアップ企業「イライザ」の株式を取得し、子会社化すると発表しました…

動画内のマスキングを施された部分や欠落した部分を予測することで学習するアーキテクチャ「V-JEPA」をMetaが開発しました。このアーキテクチャをもって何らかの動画を生成することは不可能ですが、新たなモデルを開発するためのアプローチに利用できる可能性があるとされています。

2024年2月16日、Adobeほか多数の企業が参加する「2024年選挙におけるAIの欺瞞的使用に対抗するための技術協定」が発表されました。その目的は、政治家や候補者、選挙関係者等の外見や声、行動を偽るコンテンツに対抗することにあります。

日々のあらゆるシーンで役立つ情報を提供するIT系ニュースサイト。毎日更新中。

「1943年のドイツ兵」というプロンプトで黒人やアジア人の画像を生成したことなどにより、GoogleのAI「Gemini」が「歴史的な画像の描写に不正確さがある」と非難されました。これを受けGoogleは「幅広い結果を生成しようとした試みが的外れな結果につながった」と謝罪し、調整を行う方針を示しました。

音声・テキスト・画像・音楽など複数の種類のデータを一度に処理できるマルチモーダルな大規模言語モデル(LLM)の「AnyGPT」が発表されました。

ウェブサイトにログインしたり問い合わせフォームを送信したりすると、「私はロボットではありません」といった文言のボット排除システム「CAPTCHA」に遭遇しがちです。CAPTCHAでは「バスを含む画像をクリック」などの問題が出題されますが、「バスの画像を正しく選択しているはずなのに人間と認めてもらえない！」という事態が頻繁に発生します。無料のブラウザ拡張機能「Buster」を使えば、ワンクリックでCAPTCHAを突破できるとのことなので、実際に使ってみました。

Stability AIが画像生成AI「Stable Diffusion 3」を2024年2月23日(金)に発表しました。Stable Diffusion 3では従来の画像生成AIでは困難だった「指定した文字を生成画像内に違和感なく描写」「複数の被写体を高精細に描写」といった操作が可能です。

Windowsに標準搭載されている「Microsoft フォト」に、生成AIを用いて不要なオブジェクトを除去する「Generative Erase」機能が追加されることが2024年2月22日に発表されました。

GoogleのマルチモーダルAI「Gemini」が「歴史的な画像の描写に不正確さがある」と指摘された件について、Googleが公式ブログで問題の原因を説明しています。

Googleのシニアディレクター、ジョン・レナルディ氏がスマートフォン、タブレット、Wear OS搭載スマートウォッチ、Android Auto対応車両でできることが増えるAndroidの新機能追加を発表しました。

中国のテクノロジー企業・Alibabaのインテリジェント・コンピューティング研究所のチームが、写真や画像をアニメ化してリアルに話したり歌を歌ったりしているように動く映像を生成できるAIシステム「Emote Portrait Alive(EMO)」を発表しました。

画像生成AI「Stable Diffusion」には、有志が作成したユーザーインターフェースが複数用意されています。「Stable Diffusion WebUI Forge」はControlNetの開発者であるLvmin Zhang氏が開発したユーザーインターフェースで、広く使われている「Stable Diffusion web UI(AUTOMATIC1111版)」と比べて画像を高速に生成できるとのこと。そこで、Stable Diffusion WebUI Forgeを実際にインストールする手順やStable Diffusion web UI(AUTOMATIC1111版)との生成速度の差を確かめてみました。

元OpenAIエンジニアによって設立されたAIスタートアップのAnthropicが、大規模言語モデルの「Claude 3」を発表しました。

2024年3月5日、画像生成AI「Stable Diffusion」などの開発を行うStablity AIが、3Dモデル生成AIツール「Tripo AI」を開発するTripoと提携し、画像を入力するだけで高品質な3Dモデルを生成できるAIツール「TripoSR」を発表しました。

ControlNetの開発者として知られるLvmin Zhang氏が、背景透過画像を生成できる「Layer Diffusion」を開発しました。すでにLayer Diffusionを簡単に使えるツールが公開されていたので、実際にPC上にインストールして透過画像を生成してみました。

Microsoftの生成AIであるCopilotに、有害な画像を生成する不具合があることが判明しましたが、Microsoftに問題を報告しても十分な対策が取られなかったとして、同社のエンジニアがこの問題を規制当局とメディアに告発しました。告発を受けて、Microsoftは一部のプロンプトをブロックしましたが、著作権を侵害する形で喫煙や暴力に関連する画像を生成する問題は残っていることが報じられています。

Metaが数十億ドル(数千億円)を費やし、FacebookやInstagramなどの同社が運用するプラットフォーム向けの動画エコシステムとして巨大AIモデルの構築を進めていることが、Facebook責任者のトム・アリソン氏によって明かされました。ショート動画投稿サービス「リール」で行ったテストでは、動画の視聴時間が8％～10％長くなる成果が出たとのことです。

元Metaの研究者たちが設立した、企業による生成AI活用を支援するための業界初の大規模言語モデル(LLM)自動評価プラットフォーム「Patronus AI」が、主要なLLMが著作権で保護されたコンテンツを生成する頻度を調査しました。このテストにより、OpenAIの開発するGPT-4は競合LLMと比べて圧倒的に著作権で保護されたコンテンツを出力することが明らかになっています。

4年ごとに行われるアメリカの大統領および副大統領を選出するための選挙が2024年11月に実施される予定となっています。技術監視機関であるCenter for Countering Digital Hate(CCDH)が、「画像生成AIは41％の確率で選挙に関する偽情報を作成する」という結果をまとめた報告書を発表しました。

近年は生成AIを用いて作られた「実在する人物のディープフェイクヌード画像」が問題となっており、有名人だけでなく一般の女性や未成年の少女も被害に遭っています。そんな中、アメリカのフロリダ州に住む13歳と14歳の中学生が、「同級生のディープフェイクヌード画像を生成・共有した」として第3級重罪で起訴されたことが判明しました。

民泊仲介サービスのAirbnbが「屋内監視カメラ全面禁止」の方針を打ち出しました。宿泊客のプライバシーを保護するためで、全世界に適用されます。

欧州連合(EU)では、「一般データ保護規則」(GDPR)と呼ばれる、個人データ保護を目的とした厳しい規制と要件が施行されています。そんなEUの中でもとりわけドイツはプライバシーを重視しており、Googleマップにおける「ストリートビュー」機能は、プライバシーに関する抗議や裁判に伴って、2011年以来画像が更新されていませんでした。しかし、2023年7月からGoogleはドイツでのストリートビュー画像の更新を再開しました。その要因について、海外メディアのPetaPixelが解説しています。

起業家でエンジニアのルイス・ウェナス氏は、小型ドローンに顔認証システムと人工知能(AI)を組み込むことで、ゲーム感覚で人間を追いかけるドローンを作成したとSNSに投稿しました。ウェナス氏は、わずか数時間で作り上げたそのドローンが武器さえ搭載すれば簡単に自動で人間を殺害するドローンに変貌することを指摘し、AIドローンの兵器利用について警告しています。