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が画像生成AI「Imagen 4」を日本時間の2025年5月21日に発表しました。

Googleが動画生成モデルの「Veo 3」を発表しました。最大4Kまでの解像度の動画を作成できる過去モデル「Veo 2」の品質を向上させただけでなく、Googleの動画生成AIとして初めて「音声付き」の動画生成が実現しています。

GoogleがAIを活用した映画制作ツール「Flow」を日本時間の2025年5月21日に発表しました。Flowには動画生成AIの「Veo 3」や画像生成AIの「Imagen 4」が統合されており、各シーンの生成からカット編集までの一連の流れを1つのアプリで実行できます。

Googleが、GoogleのAIで生成されたコンテンツを迅速かつ効率的に識別するための検証ポータル「SynthID Detector」を発表しました。

顔で認証する機能付きのスマートロックの失敗談としてありがちなのが、顔認証の精度が低すぎるという問題です。朝夕の逆光や夜の暗さ、メガネをかけているかどうかやメイクなどで顔認証に失敗したり、認証に時間がかかってモタついたりすると、結局カギや指紋認証でドアを開けることになって、顔認証を導入した意味がなくなります。

通常は人間が見ることができない波長の光を可視光に変換することで、暗闇の中や目を閉じた状態でも赤外線を見ることができるようになるコンタクトレンズを、中国の研究者が発表しました。

AIが作り出した架空の人物「デジタルクローン」は現実の人間と見分けがつかないほど精巧なこともあり、政治的な目的で使われたり、企業のマーケティング戦略に使われたりするケースが増加しつつあります。ファッションのPRにデジタルクローンを使うことの利点と問題点について、経営戦略の専門家であるルアナ・カルカーノ氏が解説しています。

画像生成AI「Stable Diffusion」の開発者らが設立したAI企業「Black Forest Labs」が、画像生成AI「FLUX.1 Kontext」を2025年5月29日にリリースしました。同時にBlack Forest Labs製のAIモデルを簡単に試せるウェブアプリ「FLUX Playground」も公開されたので、実際にFLUX PlaygroundにアクセスしてFLUX.1 Kontextを使ってみました。

複数のAI企業や団体が画像生成AIを開発しており、どの開発者も自身が開発した画像生成AIの性能の高さをアピールしています。「GenAI Image Showdown」は複数の画像生成AIに同じプロンプトを入力した結果をまとめたウェブサイトで、どの画像生成AIがプロンプトに忠実な画像を生成できるのかが一発で分かります。

PS3の時計機能が2010年をうるう年と誤認識していたことが障害の原因だった。

米マイクロソフトが運営するクラウドサービス「Windows Azure Platform」で2012年2月29日、複数地域にまたがるサービス障害が発生した。Windows Azureの仮想マシンの一部で半日近く通信ができなくなった。Windows Azureの管理コンソールやデータベース連携サービスなどは、3月1日13時現在（日本時間）も復旧していない。同社は障害の原因を調査中だが、うるう年に関連する計算エラーがあった模様だと公式ブログで説明している。

AIモデルをローカルで実行できるオープンソースソフトウェア「llama.cpp」が画像の入力に対応しました。画像とテキストを同時に入力して「この画像には何が写っている？」といった質問に回答させられます。

ユーザーが入力したテキストプロンプトからレゴで組み立てた構造物を生成できる「LegoGPT」を、カーネギーメロン大学の研究チームが発表しました。また、研究チームは4万7000件を超えるレゴ構造物と2万8000件以上のユニークな3Dオブジェクトを含むデータセット「StableText2Lego」もリリースしています。

データセットのサイズ増大や、画像キャプチャ技術の改善、ビジュアルデータから多くの情報を抽出する能力の向上、および入力データとして画像を含む大規模言語モデルへの移行などによって、ワークロードを適切に実行するためには効率的な画像変換と準備が不可欠になっています。AMDの「rocJPEG」はROCmプラットフォームとAMD Instinct GPUを使用して、4k画像のデコード速度が最大50倍高速になるとのことです。

中国深セン市の観瀾(Guanlan)という地区に建てられたHuawei工場で、2022年の着工以来急速に開発が進んでいることが衛星画像から明らかになりました。

「Screenrecorder.Me」は、ブラウザから画面上での動作を動画でキャプチャできるウェブアプリです。無料かつログイン不要で利用でき、簡単な操作でキャプチャした後にブラウザ上で直接編集し、動画をそのまま他人に共有することが可能となっています。

TikTokは2025年5月13日にTikTok初のクリエイティブ機能「TikTok AI Alive」を発表しました。AI Aliveは、アップロードした写真をAIで簡単にアニメーション化できる機能で、TikTokストーリーカメラでのみ利用可能です。

Metaが顔認識技術に関する方針を転換し、スマートグラスに周囲の人の顔をスキャンして名前を識別するソフトウェアを追加することを検討していると報じられています。同社は将来的に発売する予定のカメラ内蔵のAI搭載イヤホンにもこの技術を搭載することを検討しているとのことです。

デジタル庁は2025年5月をめどに、中央官庁などの政府機関が生成AI（人工知能）を調達・利用する際に順守すべきガイドラインの運用を始める。これまでは慎重に扱っていた一定の機密性が求められる非公開情報も、リスクを適切に管理して学習に使うことを認める。これにより、専門性が高い行政事務を学習させたAIを構築することが可能になる。地方自治体を含め行政機関が米オープンAI（OpenAI）の「ChatGP

Pinterestはウェブ上の画像や動画をコレクション化して共有できるソーシャルメディアで、さまざまなファッションや風景、料理のレシピ、インテリア、旅行先などのアイデアを得る場として人気を集めています。新たにPinterestが、AIで生成または編集された画像を示す「AI修正」ラベルを全世界で展開したと発表しました。

「AV1」はNetflix、YouTube、Googleなどの大手テック企業が推進する動画圧縮コーデックで、従来のHEVC(H.265)やVP9と比べて約30％の効率向上が期待され、ロイヤリティフリーであることから注目を集めました。しかし、記事作成時点だとAV1は業界全体に広く普及しているとはいえず、その理由をテクノロジー系ニュースサイトのThe Vergeが解説しています。

画像の拡大・縮小を行う時、そのままシンプルに処理を行うと画質が荒くなってしまいます。そこで、画像を滑らかにして比較的キレイな画質を保ったまま拡大・縮小を行うためにはアルゴリズムが必要となります。そんなアルゴリズムの1つである「バイリニア補間」はいったいどういうものなのかについて、NVIDIA Researchでグラフィックス関連のソフトウェアエンジニアとして働くバート・ロンスキー氏が解説しています。

富士フイルムが2025年4月10日に発売したデジタルカメラ「GFX100RF」は、フルサイズセンサーよりも大きいラージフォーマットセンサーを搭載しており、約1億2000万画素の写真を撮影可能です。そんなGFX100RFを借りられたので、実際に屋外に持ち出していろいろ撮影してみました。

動画作成から公開までに必要な作業をこなせるクリエイター向けアプリ「Edits」を、Metaがリリースしました。

AMDとAI開発企業「TensorStack.AI」が共同開発したAIアート作成ツール「Amuse 3.0」のベータ版がリリースされました。Amuse 3.0には画像生成AIの「Stable Diffusion 3.5」や「FLUX.1」、動画生成AIも含まれており、AMD製プロセッサを搭載したPCでローカル動作します。

Metaが、VR／AR部門であるReality LabsのOculus Studiosに含まれる一部スタジオの従業員数十名をレイオフしたと報じられました。Metaの広報担当者は「いくつかのチームで、チーム規模に影響を与える構造と役割の変更が行われている」と認めています。

画像やエフェクトを生成できるAdobeのAI「Firefly」がモデルをアップグレードし、多数の新機能を導入しました。このほか、モバイル版Fireflyなど新しい製品もリリースされています。

シグマがフルサイズセンサーを搭載したミラーレスカメラ「Sigma BF」を2025年4月24日(木)に発売しました。Sigma BFは金属の塊っぽさ全開の独特な外観を特徴とするカメラで、メモリーカードスロットを搭載せず230GBの内蔵ストレージを搭載していたり、ボタンの数が極端に少なかったりと面白いスペックを備えています。そんなSigma BFを外に持ち出していろいろ撮影してみました。

Metaが、同社のオープンソースAIモデル「Llama」を国際宇宙ステーション用に微調整して宇宙に送り込んだことを明らかにしました。