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

ロンドンとカリフォルニアを拠点とするスタートアップ・Stability AIが、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み出せる画像生成AI「Stable Diffusion」を一般公開しました。モデルはCreative ML OpenRAIL-Mライセンスの下でリリースされており、商用での利用も許可されています。

イギリスのロンドンとアメリカのロスアルトスを拠点とするスタートアップ・Stability AIが2022年8月10日、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み出せる画像生成AI「Stable Diffusion」を研究者向けにリリースしました。Stable Diffusionは間もなく一般公開も予定されていますが、人間のアーティストからは「アーティストの権利を侵害している」といった批判が寄せられています。

スウェーデンの大手家具メーカーであるIKEAが、自分の部屋を正確に3Dスキャンして既存の家具をIKEAの家具に置き換えてデザインをチェックできるアプリ「IKEA Kreativ」を発表しました。IKEAはAIを用いて開発した新たなアプリが人々にインスピレーションを与え、創造性を解き放ち、家具がフィットするのかどうかを視覚化できると主張しています。

近年では、適当な落書きから風景画像を生成するNVIDIAの「NVIDIA Canvas」や文章から画像を生成できるOpen AIの「DALL・E 2」など、AIを用いたペイントツールがいくつか登場しています。新たにFacebookを運営するMetaが、テキストによる説明とざっくりしたイラストを組み合わせ、より精度の高い画像を生成できるAIペイントツール「Make-A-Scene」を発表しました。

2022年4月に研究者・専門家向けに提供が始まった画像生成・編集AI「DALL・E2」の一般向けベータ版が公開されました。順番待ちリストに入っているユーザーが順次利用できるようになり、今後数週間で100万人に提供される見込みです。

人工知能(AI)や機械学習などの技術を用いて精巧な偽のコンテンツを生成することができるディープフェイクは、「この世に存在しない架空の人物の写真」を作ることができたり、誰でも映画の予告編に登場できるサービスがあったりと、愉快な使い道がある一方で、求人募集の画像やビデオ通話での映像にディープフェイクを用いる詐欺が行われているとアメリカの連邦捜査局(FBI)が警告するケースも起きています。そんな中、「ビデオ通話の相手がディープフェイクを用いているかどうかを見分ける方法」について、テクノロジー系メディアのMetaphysic.aiがディープフェイクの弱点を指摘しながら解説しています。

ディープフェイクはやっかいだが、これは戦争という異常事態の中での話で、私たちの日常生活とは関係ない――それは間違いだ。実は個人を対象とした、「ディープフェイク詐欺」とも呼べるような活動が行われていることが明らかになっているのだ。

写真に写ってしまった人影やゴミ、建物などをサクッと消してしまえるサービスが「cleanupphotos」です。Google Pixel 6やAdobe Photoshopなどにも同様の機能がありますが、cleanupphotosはサイトにアクセスするだけで無料で手軽に使えます。

シンガポール国立大学と韓国Yonsei Universityの研究チームは、スマートフォンのカメラのみで開封前の密封されたボトル内の液体内容物に不純物が混入されていないかを検出するシステムを開発した。

近年ではビジネスや娯楽などさまざまな分野にAIを用いた顔認識システムが浸透していますが、一体どのように顔認識システムが動作しているのか実感するのは難しいものです。AIやビッグデータに関する倫理・人権の研究を行うProject SherpaのメンバーであるTijmen Schep氏は、そんな顔認識アルゴリズムの動作を誰もが体験できるように、魅力・年齢・BMI・寿命・性別などを予測する「How normal am I?」というウェブサイトを作成しました。

ディープフェイクとはAIを利用して偽の人物画像・動画を作成する技術であり、有名人のフェイクポルノ動画や政治家のスピーチに見せかけたフェイク動画などが出回るなど、さまざまな分野で物議を醸しています。そんなディープフェイクが直面する課題や、その課題を克服する可能性を持っている「Neural Radiance Fields(ニューラル・ラディアンス・フィールド／NeRF)」といった技術について、テクノロジー系メディアのMetaphysic.aiがまとめています。

スカイマティクスは、建設現場の情報管理の負荷を低減するサービスとして、従来のドローン計測機能に加え、写真や動画データの管理機能が一体となったクラウドサービス「KUMIKI（くみき）」を提供している。

新事業の創出を手掛けるNECの子会社、米NEC Xはスタートアップ企業を設立したと発表した。設立した企業はブドウの自動剪定（せんてい）などをするソリューションを提供していく。2022年4月27日、NECと共同で発表した。

NECは2022年6月20日、手指を使う細かい作業をAI（人工知能）で識別する映像解析技術を開発したと発表した。手指の動きを捉え、数十種類の細かい作業を高精度に識別する。製造や建設、物流、小売りなどの現場で検証を進め、2022年度中の事業化を目指す。

中国はテクノロジーを利用して国民を監視するシステムを洗練させており、これまでには一般市民が隣人を監視できるシステムや、外国人ジャーナリストや留学生をターゲットにした監視システムなどが構築されつつあります。そんな中国の国民監視テクノロジーについて、アメリカの日刊紙であるニューヨーク・タイムズが10万件以上の政府入札文書を調査し、その実態についてまとめたレポートを公開しました。

Microsoftが、年齢や性別、表情などを読み取る顔認識サービスの一部機能を廃止することを発表しました。これらの「人々の感情を読み取る機能」は、Microsoftの社内外で正当性やプライバシーに関する物議を醸していました。

ファーストパーソン・シューティングゲーム(FPS)や格闘ゲームなど、60分の1秒以下の動きが勝敗を分けるようなゲームをプレイする場合、残像や映像のブレである「モーションブラー」はなるべく避けたいもの。「UFO Test: Moving Photo」では、モーションブラーとは果たしてどういうものなのかを体験できます。

中国Tencent Applied Research Centerに属しているXintao氏は、GitHub上おいて、アニメの超解像に特化したAI「Real-ESRGAN AnimeVideo-v3」を公開している。

自然言語処理と画像生成を組み合わせたAI画像ジェネレーター「DALL・E 2」で、人間からすると意味のない文字列を入力したときに似たような画像が生成されることがあるため「秘密の言語がある」と研究者が指摘しました。

味の素が開発したレシピが「シンプルすぎる」と大きな話題を呼んでいる。豚ひき肉のかたまりをマヨネーズで味付けし、そのまま焼くだけ――。Webサイトにアクセスが集中し、一時パンクするほどの注目を集めたレシピは、2010年に開発したもの。なぜいま、反響を呼んでいるのか。開発した経緯などを担当者に聞いた。

レンズの前にガラス玉を配置して撮影された「被写体をガラス玉に閉じ込めたような写真(ガラス玉写真)」をSNSなどで目にすることがありますが、実際に似たような写真を撮影しようとすると、ガラス玉を準備するのが面倒だったり光量が足りなかったりと、思い通りにいかないものです。iOS向けの無料カメラアプリ「Spielen」を使えば、手軽にガラス玉写真を撮影できるとのことなので、実際にiPhoneにインストールして撮影しまくってみました。

2018年、「coolwulf」と名乗るプログラマーが、アップロードされたX線画像から約90％の精度で乳がんを検出するウェブサイトを無料で公開しました。中国のオンライン開発者フォーラム「V2EX」では開発者に対してさまざまな質問が寄せられましたが、coolwulfは個人的な質問には答えないまま沈黙を続けました。そして2022年、coolwulfはAIで脳腫瘍の正確な位置を検出する「NeuralRad」というプラットフォームを公開。再び表舞台に姿を見せたcoolwulfに対し、中国のニュースサイト・今日頭条がインタビューしています。

突飛なテキストからでも自然に高解像度な画像を生成することができるAIモデルの「Imagen」が発表されました。言語モデルのサイズを大きくすることでサンプルの忠実度と画像とテキストの整合性の両方が大幅に向上するそうです。

人間の医師にとって、肌の色などがわからないレントゲン写真から患者の人種を見分けることは困難ですが、新たに医学誌のThe Lancet Digital Healthに発表された論文で、「AIは胸部X線画像から人種を90％の精度で見分けられる」ことが示されました。研究者らはAIが人種を見分ける方法についても調べましたが、今のところAIがどうやって人種を判別しているのかは不明とのことです。

スマートフォンやデジタルカメラで面白い動画が撮れたと思って見返してみると、見ず知らずの通行人の顔が映り込んでいたり、自分の声がガッツリ入っていたりと、何となく気になる要素があって「YouTubeやSNSにアップするのはなぁ……」となってしまうケースがあります。そんな時、完全無料の動画編集ツール「VideoProc Vlogger」があれば、簡単に気になるポイントを削除したり画像を重ねて隠したりすることができ、動画のクオリティを上げることが可能です。

世界初のトレーディングカードゲーム「マジック：ザ・ギャザリング」のカードを、カード名に好きな言葉を指定するだけでAIが自動で作ってくれるサイト「Urza's AI」が登場しました。

一般的なカメラでは、その構造から近くの被写体と遠くの被写体を同時にクッキリ写すことが苦手です。アメリカ国立標準技術研究所(NIST)が新たに、数億年前に絶滅した三葉虫の目を参考にすることで3cm～1.7kmの範囲に同時にピントを合わせられるレンズ技術を開発しました。

Googleは、服を着た人間の写真からフォトリアルな3Dモデルを生成する「PHORHUM」を発表しました。 「PHORHUM」は、服を着た人間のRGB画像から、3次元の形状と外観をフォトリアリスティックに再現するための、 […]

3D再構成とカメラ追跡アルゴリズムを提供するフォトグラメトリフレームワークのAliceVisionに基づくオープンソースの3D再構成ソフトが「Meshroom」です。MeshroomはWindowsとLinux向けにリリースされており、無料でインストールすることができます。