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のStable Diffusionは、ノイズを除去することで画像を生成する「潜在拡散モデル」で、オープンソースで開発されて2022年8月に一般公開されたため、学習用のデータセットを変えることで特定の画像を生成するのに特化したフォークモデルが多数存在します。そんなStable Diffusionから派生して生まれた特化型モデルとその特徴や生成例をまとめてみました。

2022年9月16日に発売された「iPhone 14」シリーズは最大4K60fpsでの動画撮影が可能なほか、新たに撮影時の手振れを補正する機能「アクションモード」が利用可能になるなど、ビデオ撮影機能も充実しています。そんなビデオ撮影の実力を実際に映像を撮影して確かめて見ました。

「ダイ・ハード」シリーズや「アルマゲドン」、「シックス・センス」など数々の映画で活躍してきた俳優のブルース・ウィリスは、2022年3月に失語症を理由に俳優業を引退しました。そんなブルース・ウィリスが、「ディープフェイクを使って自身のデジタルツインを映画や広告に出演させる権利」を売却したことが明らかになりました。

MetaのAI研究所「Meta AI」が、文字列(プロンプト)を入力するだけで動画を生成するAI「Make A Video」とその成果を発表しました。

入力したテキストをベースに画像を出力する「Stable Diffusion」のような拡散モデルが流行していますが、このアプローチを進化させて「テキストから3Dモデルの生成」を実現する3D自動生成AI(人工知能)「DreamFusion」の開発にGoogle Researchやカリフォルニア大学バークレー校の研究者たちが取り組んでいます。

近年は画像生成AIの「Stable Diffusion」がクオリティの高さを見せつけて話題となっていますが、新たに匿名の研究者がテキストを基に動画を生成するAI「Phenaki」を発表しました。

Hug (づಥ_ಥ)づ Me

今回ご紹介するのは、Transfomer ベースの予測ネットワークを使うことによって、低画質の顔画像を高画質化する CodeFormer という技術です。

2022年8月に画像生成AI「Stable Diffusion」が一般公開されて以降、誰でも簡単に画像生成AIを利用できるシステムが開発されたり、画像生成AIを便利に使うためのサービスが続々と開発されたりと、大きな盛り上がりを見せています。新たに、AI研究団体のOpenAIが2021年1月に発表していた画像生成AI「DALL・E」を一般公開しました。これにより、これまで順番待ちが必要だったDALL・Eを誰でもすぐに利用可能となったので、利用登録の手順や使い方をまとめてみました。

機械学習プラットフォームのTensorFlowで実行される、Pythonで記述されたディープラーニング用APIが「Keras」です。このKerasを拡張して画像分類、物体検出、画像分割、画像データ補強などを行うためのモジュール式ビルディングブロック「KerasCV」を使うと、画像生成AIのStable Diffusionが約30％高速になるという報告が、KerasCVの開発者による研究チームからあがっています。

2022年8月に一般公開された画像生成AI「Stable Diffusion」をユーザーインターフェース(UI)で操作できる「AUTOMATIC1111版Stable Diffusion web UI」は非常に多機能で頻繁にアップデートされており、Stable DiffusionのUIツールとしては記事作成時点で決定版ともいえる存在です。そんなAUTOMATIC1111版Stable Diffusion web UIで一度に大量の画像を生成したり画像生成をプッシュ通知させたりといった、より便利に使うための設定方法をまとめてみました。

入力したプロンプトを基に画像を生成するAI「Stable Diffusion」は一般公開以降、世界中の人々から注目を浴びており、さまざまなツールや応用方法も発表されています。そんなStable Diffusionで画像を生成する際の設定項目には、「画像生成でどれだけプロンプトに従うか」を決める「CFG(classifier-free guidance)スケール」という値があります。

インターネットユーザーの中には、「一度ネット上に公開したものは簡単には削除できないので、不用意に自分の顔写真などをアップロードしてはいけない」という忠告を見聞きしたことがある人も多いはず。Stable DiffusionやDALL・Eやといった画像生成AIの流行により、インターネットとプライバシーの問題がさらに深刻で複雑なものになったと指摘されています。

画像生成AI「Stable Diffusion」は「プロンプト」として文字列を入力することで、その文字列の内容に沿った絵や写真を自動で生成してくれます。しかし、自分の理想により近い画像を生成してもらうためには、多種多様な文字列を大量にプロンプトとして入力する必要があり、この複雑なプロンプトを探ることが画像を生成する工程の中でも特に大変な作業の1つです。「KREA」はAIで生成された画像とそのプロンプトをまとめたデータベースで、自分が理想とする画像を生成するためのプロンプトを探る作業がはかどります。

台風15号による水害被害が発生している静岡県を巡って、フェイク画像がTwitter上で拡散されている。「ドローンで撮影された静岡県の水害」という画像という画像は、画像生成AIで作成したフェイク画像だった。

疑問視する声が多く寄せられていました。

画像生成AI「Midjourney」月額30ドルのプランに課金してみた。面白いが、権利面を初めとした課題がこれから議論になりそうだ。

｢絵を描くAI｣として注目を集めている｢Midjourney｣に様々な"〇〇風"のイラストを描かせてみました。ちょっとした指示の変化でどう変わるのでしょうか？

Twitterなどで｢絵を描くAI｣として注目を集めている｢Midjourney（ミッドジャーニー）｣。第3回では、キーワード以外に｢画像を読み込ませる｣などの方法で画像を生成する方法を取り上げます。

作画AI｢Midjourney｣が大いに話題になるなか、今週、無償で使える最新の作画AI｢Stable Diffusion｣が無償公開されました。その作画性能の高さから、AI開発者・研究者の間で熱狂を巻き起こしています。 AI研究者でもある筆者は｢AIの民主化と呼べる画期的事件だ｣と話します。

はじめに Midjourney、Stable Diffusion、mimicなど、コンテンツ（画像）自動生成AIに関する話題で持ちきりですね。それぞれのサービスの内容については今更言うまでもないのですがMidjourney、Stable Diffusionは「文章（呪文）を入力するとAIが自動で画像を生成してくれる画像自動生成AI」、mimicは「特定の描き手のイラストを学習させることで、描き手の

前回記事「Midjourney、Stable Diffusion、mimicなどの画像自動生成AIと著作権」は、おかげさまで沢山の方に読んで頂き、いろいろな意見や御質問や取材を頂きました。 それらの意見・御質問や取材を通じて、自分の中で新たな整理ができたので、続編の記事を書きたいと思います。 第1　どのような場合に著作権侵害になるのか みなさんの興味関心が強いトピックとして「画像自動生成AIを利

Midjourney（ミッドジャーニー）は、テキストによる指示（プロンプト）を人工知能（AI）に与えてビジュアルイメージを作り出す、新しい技術を牽引するツールの1つだ。サンフランシスコを拠点とするこのスタートアップは、最近コロラド州主催のコ

AIビジネスデザイナーの石角友愛氏が世間で注目されているMidjourneyやDALLE2などの｢画像生成AI｣のビジネス応用と注意点についてまとめています。

画像生成AI｢Midjourney」「Stable Diffusion」を使って生成したイラスト100点以上を掲載したイラスト集がインプレスから。

画像生成AI「Stable Diffusion」をウェブブラウザから簡単に操作できる「AUTOMATIC1111版Stable Diffusion web UI」用のアドオンで、画像から画像を生成する「img2img」モードで文字列に応じて自動的に画像を部分修正するためのマスクを作成してくれるのが「txt2mask for Stable Diffusion」です。このアドオンを導入することで、ブラシツールで画像を選択してマスクを作成する必要がなくなります。

写真・画像・動画・音楽などのデータ素材をインターネット経由で配布する大手ストックフォトのGetty Imagesが、著作権侵害問題を恐れて「Stable Diffusion」「Midjourney」「DALL-E」などの画像生成AIが生成した画像をアップロード・販売することを禁止すると発表しました。

画像生成AIの「DALL・E2」などを使ったアート作品を手がけるアーティストが、AIの学習用データセットとして提供されている写真の中から、自分が病院で治療を受けている時に撮影された写真を見つけたと報告しました。このことから、一度インターネットに流出してしまったデータを消すことが極めて困難なことが改めて浮き彫りになっています。

画像生成AI「Stable Diffusion」をブラウザ上で簡単に操作できるウェブUIパッケージ「AUTOMATIC1111版Stable Diffusion web UI」は、超解像アルゴリズムのESRGANを使って低解像度の画像を高解像度にしながら拡大するアップコンバートの機能「Extras」が搭載されています。また、アルゴリズムに利用できるESRGANにはさまざまな種類があり、簡単に追加することも可能。そこで、実際に公開されているReal-ESRGANを導入して、手元にある画像がどれだけキレイに拡大できるか試してみました。