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

中国のBaidu(百度)が開発した画像生成AIが「ERNIE-ViLG」です。ERNIE-ViLGは100億以上のパラメータースケールを持ち、1億4500万種類以上の画像とテキストで構成された大規模なデータセットでトレーニングされており、特に萌え系の二次元イラストの生成に強いといわれています。そんなERNIE-ViLGを、ブラウザ上でPythonを記述・実行してGoogleのGPUに無料でアクセスできるサービス・Google Colaboratory(Google Colab)で動かすためのノートブックを、エンジニアのからあげさんがGitHubに公開していたので実際に使ってみました。

画像素材サイト「PIXTA」などを運営するピクスタは、人物検知などのAI開発に使用できる機械学習用素材データセット「俯瞰人物画像素材1000点セット」の販売を始めた。価格は9万9000円から。

元の絵の画風はそのままに、絵の外側に背景を描けます。

入力したテキストに合わせて自動でまるでホンモノの写真のようなクオリティの高い画像を生成することができる人工知能(AI)が「Stable Diffusion」です。そんなStable DiffusionはCreative ML OpenRAIL-Mライセンスの下でリリースされており商用利用も可能ですが、ローカル環境で利用するにはNVIDIA製GPUを搭載した端末が必要となっています。そんなStable Diffusionを、多くのWindows搭載PCが採用しているIntel製CPUで実行できるようにした「stable_diffusion.openvino」が登場しました。

画像生成AI「Stable Diffusion」は入力したキーワードに沿って画像を出力してくれるAIで、簡単なお絵かきとキーワードを合わせて意図した画像を生成したり、「この画像っぽい○○」といった指示でイメージを形にできたりと、さまざまな機能や手法が生み出されています。そんなStable Diffusionについて、「画像を学習するAIは、ウェブ上のどのような画像を学習しているのか？」という疑問を解明するために、23億枚のデータセットから1200万枚を抜粋して集計した調査結果を、技術者・ブロガーのアンディ・バイオ氏が公開しています。

画像生成AI「Stable Diffusion」は、「森で遊ぶクマ」「アイスクリームを食べる人間」といった文章を入力するだけで文章に沿った画像を出力してくれるAIです。そんなStable Diffusionには文章と共に「元となる画像」を入力することで出力画像の精度を向上させられるモード「img2img」が存在。このimg2imgを駆使して簡単なラフ画像から高品質なイラストを生成する手順について、ソフトウェアエンジニア兼フォトグラファーのアンディ・サレルノ氏が解説しています。

2022年8月に一般公開された画像生成AI「Stable Diffusion」は、まるで人間のアーティストが描いたような高クオリティの画像を生成できると話題を呼んだ一方で、「アーティストの権利を侵害している」「ポルノや政治に関するフェイク画像を生成できてしまう」といったことが問題視され、SNSやオンライン掲示板などで物議を醸しています。そんなStable Diffusionが画像を生成する仕組みやパフォーマンスについて、データサイエンティストのNir Barazida氏が解説しています。

入力した文字列から高精度な画像を生成できるAI・Stable Diffusionは2022年8月に無料で一般公開され、「基本的に出力した画像は商用・非商用を問わず、自由に利用できる」というライセンスで大きな話題となりました。しかし、Stable DiffusionをローカルなWindows環境に導入して使うには、PythonやAnacondaなどを扱える技術や知識が求められるため、初心者にとっては敷居がやや高いといえます。そんなStable Diffusionを一発でWindows環境にインストール可能で、さらにシェルでのコマンド入力ではなくグラフィックユーザーインターフェース(GUI)で画像生成の指示も簡単にできる「NMKD Stable Diffusion GUI」が公開されました。

高精度な画像を生成できるAI「Stable Diffusion」などが登場し、人間と遜色ない絵が多数生み出される一方で、絵という芸術作品の著作権の概念が薄れつつあることも問題視されています。このほど、Stable Diffusionより一足先に登場していた画像生成AI「Midjourney」により生成された絵が、とある品評会で1位を獲得してしまったことが話題となっています。

「森で遊ぶクマ」「ベッドで眠るネコの家族」などの文章に応じて画像を出力してくれるAI「Stable Diffusion」は、イメージに近い画像を簡単に生成できることから大きな人気を集めています。そんなStable Diffusionをスマートフォンでサクッと使えるようにしたアプリ「AI Picasso - Dream Art Studio(AIピカソ)」が公開されたので、インストール手順や使い方をまとめてみました。

テキストから高クオリティの画像を生成できるAI・Stable Diffusionが話題になる様子を見て、「自分も何か画像を作らせてみたい！」と興味を持っている人は多いはず。Stable Diffusionで画像を生成する際に重要になるのが「どんなテキストを入力するのか」という点で、AIの動作を調べて有効だと判明した文字列は「呪文」とも呼ばれています。そんなStable Diffusionで使える呪文のような文字列を、実際に生成された画像から見つけることができるサービス「Lexica」が登場していたので、実際に使ってみました。

画像生成AI「Stable Diffusion」は、指示した通りの画像を生成してくれるAIとして大きな注目を集めています。Stable Diffusionを実際に使うにはPythonのインストールといったPCの知識が求められる作業が必要なのですが、有志が開発した「NMKD Stable Diffusion GUI」なら誰でも簡単にStable Diffusionを使う環境を整えられます。そんなNMKD Stable Diffusion GUIではStable Diffusionに備わった各種機能を簡単操作で実行可能なので、NMKD Stable Diffusion GUIの各種設定項目や自分好みの画像を生成するまでの手順を徹底的にまとめてみました。

非常に高精度な画像を生成できるとして大きな話題を呼ぶ画像生成AI「Stable Diffusion」は、オープンソースであるためユーザーがローカル環境で実行することもできますが、記事作成時点ではNVIDIA製GPUの使用が推奨されています。そのため、「Stable Diffusionが気になっているけどMacユーザーだからローカルで実行できない」という人もいるはず。そんなMacユーザーに向けて、「Stable DiffusionをM1・M2チップ搭載Macのローカル上で実行する方法」についてオープンソースの機械学習モデルをクラウドのAPIで実行するウェブサービス・ Replicateが解説しています。

文章を入力するだけで好みの画像を生成してくれるAI「Stable Diffusion」は、2022年8月に一般公開されて以降大きな注目を集めており、PCに簡単にインストールできるGUIアプリや低スペックPCでも問題なく使える手法などが続々と編み出されています。しかし、Stable Diffusionでは英語の文章を入力する必要があり、英語が苦手な人には取っつきにくく感じます。参考画像から「画像を説明する英文」を簡単に検索できるシステム「clip-retrieval」を使えばStable Diffusionに入力する英文を一発で取得可能なので、使い方をまとめてみました。

SNSなどで大きな話題を呼んでいる高精度な画像生成AI「Stable Diffusion」は、入力したテキストを基に画像を生成するため、「呪文」とも呼ばれる適切な文字列を考案することが重要です。しかし、思い描いている理想はあるものの、どんな文字列を入力すればいいのかわからない人も多いはず。そこで、Stable Diffusionで特定の構図や雰囲気を再現するために使える文字列を、画像例を見ながら調べられるウェブサイト「The Ai Art」を使ってみました。

オープンソースのペイントソフト「Krita」で、テキストや画像から自動で画像を生成することができる話題のAI「Stable Diffusion」を利用できるようになるプラグインが複数登場しています。

2022年8月に一般公開された画像生成AI「Stable Diffusion」を使って画像を生成するには、NVIDIA製GPUを搭載したローカル環境にコマンドラインでインストールするか、Google Colaboratory(Google Colab)などのオンライン実行環境を使う必要があります。ただし、コマンドラインでのインストールは知識が必要で敷居が高く、Google Colabは計算量制限の問題が存在します。「Artroom Stable Diffusion」はクリックするだけでWindows環境にインストール可能で、img2imgにも対応しています。

中国Baiduが、画像AI「ERNIE-ViLG」を試せるデモ機能を公開した。Twitterでは日本のユーザー間で「二次元キャラの生成に強い」などと話題に。一方で、画像生成AIの分野で中国にビジネス的なアドバンテージを取られるのではと懸念する声も見られる。

象牙はゾウの個体数減少につながるため、ワシントン条約で採取や商業取引が原則禁止となっています。しかし、工芸品の素材として今もなお人気があるためにゾウの密猟は後を絶たず、2002年から2011年の間にアフリカゾウの個体数はおよそ62％も減少したと言われています。そんなゾウの密猟を減らすべく、監視映像からゾウの密猟者をリアルタイムで検出するシステムを17歳の少女が開発し、話題となっています。

キーワードに沿って人間が描いたような画像を生み出す「Stable Diffusion」というAIが一般公開され、ありとあらゆる高クオリティな画像が大量に生成されています。Stable Diffusionには文字列から画像を生成する「txt2img(text to image)」のほかに、文字だけではなく画像からも新たな画像を生成可能なimg2img(Image to Image)があります。このStable Diffusionのimg2imgを無料で試せるデモページ「Diffuse The Rest」が公開されたので、実際に試してみました。

小さな写真を無理やり大きくしても、元の画像解像度が低いため、そのまま拡大すると粗い画像になってしまいます。そのため、小さな写真やイラストを大きくしたい場合は単なる拡大ではなく、拡大後の解像度に合わせて補完する「アップコンバート」作業が必要となります。「Upscayl」は、OpenGLの策定で知られるKhronos GroupのグラフィックスAPI「Vulkan」を使ってオープンソースで開発される無料のAI画像アップコンバーターで、小さな画像やイラストを簡単に4倍アップコンバートできます。

入力した文章に沿った画像を自動生成できるAIが「Stable Diffusion」です。そんなStable Diffusionを、Photoshopのプラグインとして使用できるようになる「alpaca」が登場しました。

画像生成AI「Stable Diffusion」は「生成したい画像を説明する文章」を入力すると、文章に沿った画像を出力してくれるAIです。Stable Diffusionは誰でも使えるように無償公開されており、実際に自分のPCやクラウドサービス上で環境を構築して画像を生成可能です。しかし、Stable Diffusionにイメージ通りの画像を生成させることは非常に困難で、イメージに近づけるためには文章を工夫したり何度も出力させたりする必要があります。そんな中、元となる画像を指定して「この画像っぽい○○を生成」という指示を可能にする技術「Textual Inversion」をStable Diffusionで使えるようにする方法が編み出されました。

フランスの税務当局がGoogleおよびCapgeminiと提携して作成したシステムにより、本来税務上の申告手続きが必要な水泳用プールのうち、無申告だったプール2万356面を発見したことを明らかにしました。税務当局はプールの所有者に督促状を送付しました。

近年登場するスマートフォンには長距離や短距離での撮影に特化した複数のカメラが搭載されることが当たり前になっており、撮影データの処理技術やセンサーの性能向上によって手軽に高画質な写真を撮影可能です。そんな携帯電話のカメラの進歩を一発で確認できるシミュレーターが家電批評企業のSimpleGharによって公開されていたので、各種携帯電話のシミュレーション結果を比較してみました。

2022年8月23日に一般向けで公開された画像生成AI「Stable Diffusion」は、入力した文字列に沿ってまるで人が描いた絵や写真のような画像を生成してくれます。実際に使うとなるとNVIDIA製GPUを搭載したマシンが必要で、導入にもある程度の知識が求められますが、Googleが提供しているPython実行環境「Google Colaboratory」を使えば、低スペックのノートPCでも無料でStable Diffusionで動かすことが可能。しかし、無料版では一定時間でランタイムの切断が行われるのですが、Google Colaboratory上で生成された画像はあくまで一時的なものなので、ローカルに保存していなければ生成した画像が消えてしまいます。そこで、Google ColaboratoryにGoogleドライブをマウントし、画像の出力先をGoogleドライブのフォルダに指定することで、画像を自動でGoogleドライブに保存するようにしてみました。

2022年8月23日に無料公開された画像生成AI「Stable Diffusion」は、「ボールで遊ぶ猫」「森の中を走る犬」といった指示を与えると指示通りの画像を出力してくれます。Stable Diffusionはデモページで画像生成を試せる他、NVIDIA製GPUを搭載したマシンを用いてローカル環境で実行することも可能です。しかし、デモページは待ち時間が長く、NVIDIA製GPUは所持していない人も多いはず。Googleが提供しているPython実行環境「Colaboratory」を利用すれば、NVIDIA製GPUを所持していなくともStable Diffusionを待ち時間なしで実行する環境を無料で整えられるので、実際に環境を構築する手順や画像を生成する手順を詳しくまとめてみました。

OpenAI開発の入力したテキストから画像を生成するAI「DALL・E 2」は2022年4月に研究者・専門家向けに公開され、2022年7月に一般向けに公開されました。AIプログラミングコンテスト・Coder Oneの共同創設者であるジョイ・チャン氏が、自身が出力したい画像をDALL・E2に生成してもらうまでの試行錯誤をブログで公開しています。

2022年8月23日に無料公開された画像生成AI「Stable Diffusion」は、エロい画像の生成はブロックされることがわかっています。それでもどうしてもエロ画像を生成したいという時に役立つかもしれないのが、カスタムAIアルゴリズムでヌード画像を生み出す「pornpen.ai」です。