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

画像生成AI・Stable Diffusionからパラメーター数が大幅に増加した新モデル「Stable Diffusion XL(SDXL)」の技術レポートが公開されました。

インターネット上には本物の写真に見せかけたフェイク画像が多数存在します。航空機関連の質問サイト「Aviation Stack Exchange」に投稿された「エアバスA320の写真を見つけたけど本物かフェイクか怪しい」という質問には、フェイク画像全般に通用しそうな「見分け方のポイント」が回答として寄せられています。

「background-removal-js」はブラウザ内だけで動作が完結する背景削除ライブラリです。サーバーとデータをやりとりしないため、サーバーコストが不要だったりデータが流出してしまう心配がなかったりと利点がたくさんありますが、実際のところ「ちゃんと切り抜いてくれるのか」が気になるところ。今回はデモを使ってさまざまな画像の背景を削除してみます。

「MidJourney」や「Stable Diffusion」をはじめとする画像生成AIは、まるで実写のような超高画質の画像を生成することが可能です。しかし生成された画像は人間が撮影した画像と見分けが付かず、事実を誤認してしまう可能性があることが問題となっています。そこで、AI研究団体のOpticをはじめとするさまざまな団体が、画像が人間によって撮影されたものかAIによって生成されたものかを自動検出するツールを提供しています。これらの複数のAI検出ツールを使ったテストの結果を、海外メディアのニューヨーク・タイムズが公開しています。

Discord上で利用可能な画像生成AI「Midjourney」は先日、精度向上や新機能が備わった最新バージョン「V5.2」をリリースした。今回はそれらの新機能の中でも特に多くの人々を驚かせた「ズーム...

スマートフォンのカメラなどから手軽に追加情報などにアクセスできるようになるQRコードは、名刺やポスターなどさまざまなものに挿入されることがありますが、デザイナー目線では「もっと目立つQRコードにしたいな」などと感じるケースも多いはず。無料で使えるウェブアプリ「QR designer」なら簡単操作で文字や図形を含むQRコードを作れるとのことなので、実際に試してみました。

画像や動画の加工を行っていると「画像や動画に映し出された被写体だけを切り抜いて、別の素材に流用したい」という状況になることもあるはず。一部無料のウェブアプリ「Background remover AI」を使えば好きな画像や動画から目的の被写体だけを切り取ることが可能とのことなので、実際に使ってみました。

EUの立法機関である欧州議会は2023年6月14日、「EU AI Act」と呼ばれるAI規制法案の修正案を賛成多数で可決しました。EU AI Actは差別や侵害的行為を目的としたAIの利用や、警察による公共の場でのリアルタイムの顔認識技術の使用などを禁じたもので、修正案には近年注目を集めている生成AIについての規制も盛り込まれています。そこで、テクノロジー企業が開発しているさまざまな基盤モデルがEU AI Actに準拠しているのかどうか調べた結果を、スタンフォード大学の基盤モデル研究センター(CRFM)が発表しました。

マーベル・シネマティック・ユニバース(MCU)の最新作として2023年6月21日からDisney＋で配信されているドラマシリーズが「シークレット・インベージョン」です。サミュエル・L・ジャクソン演じるニック・フューリーが主人公となる本作では、オープニング映像で使用されているビジュアルをAIが作成していることが話題を呼んでいます。

「画像に透かしを入れる」と聞くと、人間が制作したコンテンツの転載や悪用を防ぐためのものだと認識している人が多いかもしれませんが、近年はAIが生成したコンテンツに透かしを入れて帰属を示す試みも進行中です。新たに、AIが生成した画像を追跡可能にする「Tree-Ring Watermarks(年輪透かし)」という技術を、メリーランド大学の博士課程でコンピューターサイエンスを研究しているユーシン・ウェン氏らが発表しました。

画像生成AI「Stable Diffusion」を開発したAI研究企業のStability AIは、2023年4月に従来の画像生成AIを大幅に強化した「Stable Diffusion XL(SDXL)」のベータ版をリリースしました。そして現地時間の6月22日、SDXLベータ版から画像と構図のディテールが大幅に改善された新モデル「SDXL 0.9」がリリースされました。

イギリスの首都であるロンドンは古くから芸術や商業、娯楽、ファッションなどの分野で強い影響力を持ち、「世界一革新的な都市」と呼ばれることもあります。そんなロンドンでは19世紀以降、ムービーの撮影が活発に行われるようになり、YouTube上には多数のロンドンを撮影したアーカイブ映像がアップロードされています。ランダムに表示されるロンドンのアーカイブ映像を見て、西暦何年の映像かを当てるクイズが「The Great When? A London-through-time quiz」です。

YouTubeが複数のサムネイルの中から最もパフォーマンスの高いサムネイルを選べるようになる「Test&Compare」機能の初期テストを行っていることを明らかにしました。

AIを使って画像を生成する時、「ちょっとだけ修正を加えたい」と思うことは多いもの。そんな人たちの夢をかなえるツールが「DragGAN」です。DragGANは画像の中で動かしたいポイントを指示するだけでAIが自動で修正してくれるというもので、2023年5月に論文だけが提出されていましたが、2023年6月22日にソースコードが公開され、同時にデモも登場しました。

Stability AIが「SDXL 0.9」を発表した。4月にリリースしたStable Diffusion XLベータに比べてパラメータカウントが大幅に増加しており、ディテールの表現と構図が向上している。

Stability AIは、テキスト記述によって画像を生成するAI画像生成モデルの次期バージョン、Stable Diffusion XL（SDXL） 0.9を発表した。

無料で使える「Stable Diffusion」やAdobeが提供する「Adobe Firefly」など手軽に使える画像生成AIが続々と登場しています。画像生成AIは基本的に「生成したい画像を説明するテキスト(プロンプト)を入力する」という形式で使用可能ですが、AIの種類やモデルデータが変化すると生成結果もまったく別物に変化します。テクノロジー関連ライターのMuhammad Usman氏は「Adobe Firefly」「DALL・E2」「OpenJourney」「Stable Diffusion」「Midjourney」といった主要な画像生成AIに同じプロンプトを入力した際の生成結果をまとめています。

カリフォルニアのスタートアップであるStability AIによる「Stable Diffusion」や、Discordのコマンドを利用する「Midjourney」、アニメなどのイラストに特化した「NovelAI」のほか、Adobeが発表した著作権的にクリアな「Adobe Firefly」など、さまざまな画像生成AIが普及しています。画像生成AIはプロンプトを入力するだけでかなりリアルな人物や高クオリティなキャラクターイラストを生成できますが、AIが苦手としている表現やパーツもあり、中でも「人間の手」を描くのに失敗するケースが多くなっています。なぜAIは手を正しく描くことが得意ではないのかというメカニズムを、オンラインメディアのVoxが解説しています。

配色や陰影、デザインパターンなど、ユーザーが提示したスタイルの中身を的確にとらえた上で、そのスタイルで求められた画像を出力できる「StyleDrop」をGoogleが開発しました。入力された文字列をもとにして画像を生成することは画像生成AI「Stable Diffusion」などでも可能ですが、特定のスタイルに基づく出力は困難でした。「StyleDrop」はこの問題点を克服しています。

別世界のスパイダーマンたちが一堂に会して活躍するアニメ映画「スパイダーマン：スパイダーバース」は、3DCGアニメーションを手描きで仕上げることでアメコミ特有のタッチを再現していたり、ストーリーに合わせたサイケデリックな演出があったりと、革新的なビジュアルも特徴的です。従来の3DCGアニメとは異なる手法を用いた「スパイダーバース」がアニメーションに与えた強い影響について、オンラインメディアのVoxがムービーにまとめています。

Epic GamesがiPhoneで顔を撮影するだけで表情や口の動きを高精度にキャプチャできるシステム「MetaHuman Animator」を正式公開しました。MetaHuman Animatorを用いると顔の動きを簡単にUnreal Engineへ取り込めるため、専用の機材を用意せずともゲームやムービーにフェイストラッキング技術を適用できるようになります。

1999年公開の映画「マトリックス」で大きな話題となった「時間がスローもしくは静止した状態でカメラだけは主人公を中心に円を描くように動き続ける」という表現は「バレットタイム」と呼ばれており、数多くの映像作品で用いられています。そんなバレットタイムを結婚式の思い出ムービーに活用するべく機材調達やシステム構築を行った記録を、物理学者やソフトウェアエンジニアとして活躍するセバスチャン・スタックス氏が公開しています。

1869年に設立された科学誌の「Nature」が、Stable DiffusionのようなAIツールを用いて生成された画像の掲載を禁止すると発表しました。

Adobeが権利的にクリアなトレーニングモデルを用いた画像生成AI「Firefly」を発表したり、Microsoftの検索エンジンであるEdgeで対話型AIのChatGPTが活躍していたり、世界的なコンサル企業が「社員の50％は業務にジェネレーティブAIを活用している」と明らかにしたりと、ジェネレーティブAIは社会に広がり続けています。しかし、AIを使用してコンテンツを作成・公開する人が増えていることで、新たな問題として「AIが生成したコンテンツがインターネット上にあふれ、それをAIが学習することで、重大な欠陥が生まれている」ということが研究者グループから指摘されています。

「JPEG XL(JXL)」は、独自の圧縮アルゴリズムを使用して、画像やイラスト、スクリーンショットを圧縮することができる次世代のJPEG形式です。そんなJPEG XLは従来の圧縮率が高い画像ファイルフォーマットである「AV1 Image File Format(AVIF)」よりもファイルのサイズが約11％削減されるだけでなく、画質の面でも約13％AVIFよりも優れていることが報告されています。

画像生成AIのStable Diffusionは、文章を入力するだけでイラストや写真を自動で生成してくれます。しかし、この画像生成のプロセスは複雑な処理を何度も行うため、ハイスペックなGPUを搭載したマシンが必要となります。そんなStable Diffusionをスマートフォン上で、1枚2秒未満という速度で画像生成できるようにした「SnapFusion」を開発したと、ノースイースタン大学と写真共有アプリ・Snapchatの開発企業であるSnapの研究者が発表しました。

Adobeが2023年5月23日に発表した「ジェネレーティブ塗りつぶし」は、AIにより既存の画像の続きを生成できるPhotoshopの新機能です。そんなジェネレーティブ塗りつぶしを使って、マイケル・ジャクソンの「スリラー」を始めとする有名アルバムのジャケットの続きを描かせてみた結果がTwitterに投稿されています。

Stable DiffusionやMidjourneyのような画像生成AIは、既存のイラストや写真で構成されたデータセットから学習した重みデータを基に、画像を自動で生成することができます。しかし、学習用データセットを構成するイラストや写真はウェブスクレイピングで収集されたものが多いため、知らないうちに自分の写真やイラストがデータセットに収録されていたということも十分あり得ます。これを防ぐ手段の1つとして、ネットに公開するイラストや写真にウォーターマーク(透かし)を入れるというのがあります。「RGBWatermark」はカラフルなウォーターマークを簡単に入れることができるサイトで、アニメーションGIFやMP4動画の形で保存することもできます。

SynologyのIPカメラ「BC500」は、自動化サービスの「IFTTT」と連携させてさまざまなオートメーションを組むことができます。今回は「人物および車両を検出したときにメールを送信する」と「スマートフォンのウィジェットをタップしたときに録画を開始する」の2種類のオートメーションを作成。それぞれ設定方法がやや異なるので、1つずつ試していきます。

過去の録画を月額利用料なしで一括管理できるSynology製IPカメラ「BC500」について、これまで動体検知機能や自動化サービスのIFTTTとの連携といった複数の機能に触れてきましたが、今度はBC500の映像をライブ放送するための設定を行います。BC500とYouTubeを連携して配信を開始するための手順をまとめてみました。