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

テキスト単体、あるいはテキスト＋画像で5秒の動画を作成できるAIモデル「Ovi」が誕生しました。オープンソースで公開されており、自分で環境を構築すれば無料で使用することができます。

中国の大手テクノロジー企業であるテンセントが生成AIモデル「Hunyuan World 1.1(HunyuanWorld-Mirror)」を公開しました。HunyuanWorld-Mirrorは画像を元に深度を再現した3D空間を生成することが可能。さらに、単一の画像だけでなく複数のアングルからの画像や動画の入力にも対応しています。

Qwen3-VLの軽量版であるQwen3-VL-4BおよびQwen3-VL-8Bが公開されました。これらのモデルは、Qwen3-VLの全機能が保持されており、従来のモデルに比べて大幅にVRAM使用量を削減しつつ、Qwen2.5-VL-72Bに匹敵する性能を発揮するとのことで試しにローカルPCにインストールして使ってみました。

AMDが画像生成AI「Nitro-E」を2025年10月24日にリリースしました。Nitro-Eはパラメーター数304M(3億400万)の軽量モデルで、トレーニングと画像生成処理の高速化を実現しています。

画像生成AIの進歩は急速に進んでおり、すでに実写と見分けがつかない画像を誰でも簡単に生成できるようになっています。そんな中、カメラで撮影した本物の写真であることを証明できる仕組みを内蔵した「Roc Camera」が登場しました。

「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を比較して評価することができます。さらに、画像生成ではなくテキスト指示での「編集」を行う場合、どれくらい指示を守って忠実に画像を修正するのかモデル別に比較することができるのが「GenAI Image Editing Showdown」です。

OPPOが「Find X9」と「Find X9 Pro」を2025年10月29日に発表しました。Find X9 ProはHasselbladと共同開発した200メガピクセル(2億画素)の望遠カメラを搭載しており、光学ズーム倍率を10倍に引き上げるテレコンバーターも用意されています。

現地時間の2025年10月28日、Adobeが世界最大のクリエイティブカンファレンスである「Adobe MAX 2025」を開催しました。Adobeは主力製品であるAdobe ExpressやAdobe Firefly、Adobe Photoshopといったソフトウェア全体に、AI機能やAIアシスタントを導入すると発表しています。

YouTubeはスマートフォンやPCなどさまざまなデバイスで視聴可能ですが、「テレビでの動画再生から6桁(数千万円)以上の収益を上げているYouTubeチャンネル」の数は前年比で45％以上増加しているそうです。この需要に合わせた「テレビを使っているユーザー」向けのアップデートを、YouTubeが発表しました。

Affinityが開発するデザインツール群はPhotoshopやIllustratorといったサブスクリプション型のAdobe製品と違って買い切り型のライセンスモデルを採用しており、Adobe製品からの乗り換え先として注目を集めていました。そんなAffinityのデザインツール群が「Affinity」という名称の単一アプリにまとまり、無料で使えるようになったことが発表されました。

Metaは2025年7月に、「成人向け映像約2396本を不正にダウンロードし、AIモデルのトレーニングに無断で用いた」として、アダルト映画制作会社から提訴されました。これに対しMetaは、「当該ダウンロードはAIのトレーニング目的ではなく、従業員やサイト利用者らによる私的な個人利用」だと主張し、AIのトレーニングに成人向けコンテンツを使用していないと反論しています。

OpenAIが開発した動画生成AI「Sora 2」はピカチュウやマリオなどの人気キャラクターを含む動画を簡単に作れてしまいます。この状況を受けて、一般社団法人コンテンツ海外流通促進機構(CODA)がOpenAIに対して要望書を提出しました。

OpenAIが動画生成AIアプリ「Sora」のAndroid版を2025年11月5日にリリースしました。日本からもダウンロード可能で、動画を生成したり世界中のユーザーが作成した動画を閲覧したりできます。

写真素材の有料配信を行っているストックフォトサービスの「Getty Images(ゲッティ・イメージズ)」が、画像生成AIの「Stable Diffusion」によって知的財産権が侵害されているとして起こした訴訟で、ロンドンの高等法院による判決が下りました。内容は、AIモデルによる著作権侵害の主張については「著作権侵害のコピーではない」と却下する一方、透かしに関する商標権侵害についての主張は認めるもので、Getty Imagesからも、Stabile Diffusionを運営するStability AIからも実質的な勝利宣言が出されています。

JR東日本が、指名手配中の容疑者を検知して警察に通報する目的で首都圏の一部駅に設置していた顔認証機能...

MicrosoftのAI部門であるMicrosoft AIが、自社で設計・開発した初の画像生成モデル「MAI-Image-1」を発表しました。MicrosoftはこのMAI-Image-1を「私たちの旅の次のステップ」と呼んでいます。

シンプルな原理とユニークな特性を持った新しい生成AIモデルの「DDN(Discrete Distribution Networks：離散分布ネットワーク)」を、コンピュータービジョンや大規模言語モデル(LLM)の研究者であるレイ・ヤン氏が発表しました。

OpenAIが2025年10月1日にリリースした動画生成AI「Sora 2」で、日本のゲームやアニメなどの著作権で保護されたコンテンツを含む動画が大量に生成されて問題となりました。この事態に対して、日本政府がOpenAIに対して「著作権侵害となるような行為を行わないように要請した」ことが海外で話題になっています。

「Draw Things」はiPhone・iPad・macOSに対応した無料の画像生成AIアプリで、多様なモデルを用いてローカルで生成処理を実行できます。Qwen Imageなどの大型モデルもiPhoneでローカル動作させられるとのことなので、実際に使ってみました。

イーロン・マスク氏が率いるAI開発企業のxAIが動画生成AI「Imagine v0.9」を2025年10月8日に発表しました。Imagine v0.9はこれまで使用可能だったImagine v0.1と比べてダイナミックな動きなどの品質が向上しており、動画の動きに合わせて音声を生成することも可能です。

Sora 2の性能を分かりやすく確認するため、昔はやった“なつかしのコピペ”をそのままプロンプトとして入力。Sora 2がどんな映像を出してくるか確認してみる。

2025年9月30日に登場した動画生成AI「Sora 2」は非常に高精度な音声付き動画を生成可能なのですが、「ポケモンやマリオなどの著作権で保護されたキャラクターの動画を大量生成できてしまう」という問題も抱えています。この状況について、Sora 2の開発元であるOpenAIのサム・アルトマンCEOが改善を約束するブログ記事を投稿しました。さらに、実在の人物を動画内に登場させるカメオ機能についてもアップデートが告知されています。

米OpenAIが動画生成AI「Sora 2」を発表した。Sora 1に比べ物理法則を学び、オリンピックの体操競技やパドルボートの上でのバク転など、これまでの動画生成AIでは難しかったシーンの生成ができるようになったという。また、InstagramやTikTokのようなUIのソーシャル動画アプリ「Sora」も公開した。まずは米国とカナダで提供を始める。

米OpenAIが公開した最新の動画生成AI「Sora 2」を用いた、日本の人気アニメ作品風の動画の投稿がX上で相次いでいる。SNSでは驚きとともに、著作権の侵害を懸念する声が広がっている。

OpenAIが発表した最新の動画生成AI「Sora2」のクオリティに驚嘆の声があがっている。テキストから高品質な映像を作るだけでなく、セリフや効果音まで自然に同期させて生成できるモデルだ。現実と区別がつかないほどのリアルな動きや、多様なスタ…

「iPhone 17」には無印モデルとして初めて48メガピクセルの超広角カメラが搭載されており、画角の広いダイナミックな高画質写真を記録できます。いったいどんな写真を記録できるのか気になったので、実際にiPhone 17を持ち出していろいろ撮影してみました。

ドローンやアクションカメラのメーカーであるDJIから、小型のウェアラブルアクションカメラ「Osmo Nano」が2025年9月23日(火)に登場しました。マグネットでカメラ本体を分離できるモジュラーデザインとなっており、カメラ部分は重量わずか65gと軽量かつコンパクト、そして最大4K・60fpsの映像を撮影可能となっています。そんなOSMO Nanoに一足早く触ることができたので、設定などをチェックしつつ、実際に動画を撮影してみました。

OpenAIが新しい最先端の動画・音声生成モデルである「Sora 2」を2025年9月30日に発表しました。また、Sora 2を利用できるソーシャル動画共有アプリ「Sora」がiOS向けに無料でリリースされました。

Adobeが、iPhone向けの動画編集アプリ「Adobe Premiere」をリリースしました。iPhoneで撮影した動画をその場ですぐに編集できるほか、生成AI機能を利用したり、デスクトップ版のPremiere Proにクラウド経由でプロジェクトファイルを共有したりすることが可能です。

中国に拠点を置く大手テクノロジー企業「Alibaba」のAI研究チーム「Qwen」が、自然言語でリアルタイム応答できるAIモデル「Qwen3-Omni」を2025年9月22日に発表しました。さらに、9月22日～24日の短期間に「Qwen3-VL」「Qwen3-TTS」「Qwen-Image-Edit-2509」「Qwen3-VL」「Qwen3-LiveTranslate-Flash」「Qwen3-Max」といったAIモデルが続々と発表されています。