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「Stable Diffusion」を開発するStability AIが、テキストや画像から高解像度の動画を生成できる潜在動画拡散モデル「Stable Video Diffusion」を公開しました。

MicrosoftはOpenAIの開発した画像生成AI「DALL·E 3」を活用した画像生成サービス「Image Creator」を公開しています。ところが、Image Creatorでは著作権に厳しいことで知られるディズニーのキャラクターが含まれる画像を生成可能であることが話題になっています。

HumaneがAI搭載のウェアラブルデバイス「Ai Pin」を正式に発表しました。本体価格は699ドル(約10万円)で、月額24ドル(約3600円)のサブスクリプションプランに加入する必要があり、予約は2023年11月16日、出荷は2024年初めとなっています。

ハリウッドの俳優や脚本家が「仕事を奪うようなAIの規制」を求めて実施したストライキは、ハリウッド俳優による史上最長のストライキとなったのち、2023年11月10日に終了しました。このストライキを通じ、アメリカテレビ・ラジオ芸術家連盟(SAG-AFTRA)はハリウッドの映画スタジオと10億ドル(約1500億円)規模の契約を結ぶことに成功しています。この契約の中には「死亡した俳優のAIコピー」に対する保護策もあるそうです。

タブレットやスマートフォンなどに付属するデジタルポインティングデバイス「スタイラスペン」は、通常ペン先とモニターが接触するか、近づくことでデバイスに入力情報を伝えるものです。新たに登場した「D-POINT」は、ペン尻に付いたマーカーをカメラが読み取ることで文字を入力できます。

ドローン、3Dプリンター、民間の衛星インターネットなどの比較的新しい技術が戦争へ投入されていることが近年伝えられていますが、もうひとつの画期的な技術「3Dスキャン」が、戦争の加速ではなく戦争による文化財の破壊を緩和するために用いられています。現実の物体をスキャンしてデジタルに変換する技術の進歩について、VR研究者のアーロン・フランク氏が解説しました。

「視聴者に誤解を与え、重大な危害をもたらす可能性がある」として、YouTubeが「AIを使用して作られた動画」であることをはっきりと示すように義務づける方針を明らかにしました。今後は動画プレイヤーや説明欄を見ることで、AI生成であることがわかるようになります。

YouTubeは2023年11月15日に、YouTube Premiumのユーザー向けにいくつかの新機能を拡張すると発表しました。新機能には、多くのデバイスで高画質設定の「1080p Premium」を使えたり、YouTubeを継続的に使用することで実績バッジを獲得できたりといったものが追加されています。

Metaが文章から動画を生成できるAI「Emu Video」と文章で指示して画像を編集できるAI「Emu Edit」を2023年11月16日(木)に発表しました。合わせて、両AIで生成できる動画や画像の例を集めたデモサイトも用意されています。

対話型AIのChatGPTに完全統合された画像生成AI「DALL-E 3」をテストしているユーザーが、ChatGPTとDALL-E 3の間でやりとりされていると思しき内部プロンプトを発見しました。このプロンプトには「Please」という単語や大文字で書かれた文章が見つかったため、「AIに何か指示するときには大文字や丁寧語が有効なのでは？」とのうわさが立ち始めています。

顔認識技術を利用して、ネットで公開されている写真に写っている人のことを検索できるサービス「PimEyes」が、子どものプライバシーへの懸念から、未成年者の被写体の検索試行をブロックしていることがわかりました。ギオルギー・ゴブロニゼCEOは「傷つけない」というPimEyesの基本方針に基づく施策だと説明しています。

シカゴ大学の研究チームがAIによる画像学習を防止するツール「Nightshade」を開発しています。Nightshadeを用いて画像を処理すると画像の見た目を大きく変えずにAIによる学習を阻害することが可能とのことです。

火山灰に埋もれた古代ローマの都市から発見された古文書を解読する賞金25万ドル(約3300万円)のコンテスト「ヴェスヴィオ・チャレンジ」が2023年3月15日から始まっています。2023年10月12日には、ついに最初の単語を解読した人物が現れました。

プロンプトを入力するだけで商品の背景画像を自由に生成できる機能のベータ版をAmazonが提供しました。白背景にぽつんと写った商品の画像などを、実際のライフスタイルに合ったシーンに差し替えることができます。

SNSやニュースを閲覧していると「これってフェイク画像じゃないかな？」と感じる画像を高頻度で目にします。Googleが開発中の画像ファクトチェック機能を使えば、画像の出どころを調べたり本物の写真か確かめたりすることができます。

文章や参考画像を入力するだけで好みの画像を生成できる画像生成AIの開発が急速に進んでいますが、画像生成AIには「人間のアーティストの著作権を侵害しているのではないか」という意見も投じられており、著作権に焦点を当てた訴訟が複数展開されています。そんな中、北カリフォルニア地区の裁判所がStable DiffusionやMidjourneyを相手取った集団訴訟を棄却しました。

アメリカ・ニュージャージー州にあるウェストフィールド高等学校の男子生徒らが、AIを使用して同級生の女子生徒のヌード写真を作成し、共有していたことがわかりました。この事件で警察は捜査を進めていますが、問題の画像にアクセスできず、偽のヌード写真の頒布が違法行為にあたるかどうかも不明なため、暗中模索の状況であると伝えられています。

写真技術が発達した現代では、植物や果物などの記録を撮影して保存することは簡単です。しかし、写真が発達する前の時代では、観察したものを写真として残すことは困難でした。1886年にアメリカ合衆国農務省(USDA)が、リンゴやサクランボ、ブドウ、柿などの果物を水彩画として描くことを数多くのアーティストに依頼しています。

Pixel 8およびPixel 8 ProのGoogleフォトアプリでは、画像内の物体を削除したり拡大・縮小したりできる「編集マジック」を利用可能です。しかし、免許証など一部の被写体では編集マジックの利用が制限されていることが明らかになりました。

匿名掲示板「4chan」のユーザーが、Microsoftの画像生成機能「Bing イメージクリエーター」を用いて人種差別的な画像を広めるキャンペーンを行っていることが明らかになりました。

2023年9月に発表された「iPhone 15 Pro Max」には、iPhone史上最長の焦点距離を備えた5倍ズームカメラが搭載されています。そんなiPhone 15 Pro Maxで実際に撮影した写真と性能評価をカメラアプリ「Halide」の開発者であるセバスティアン・デ・ウィズ氏がまとめています。

2023年10月10日、IllustratorやPhotoshopなどのクリエイティブツールで知られるAdobeが、2023年3月に発表したジェネレーティブAI「Adobe Firefly」に大幅なアップデートを加えた次世代モデル「Adobe Firefly Image 2 Model」「Adobe Firefly Vector Model」「Adobe Firefly Design Model」を発表しました。そのほかAdobeは、IllustratorやPhotoshop、Adobe Expressなどのツールにアップデートを施したことを明かしました。

2023年10月7日に、パレスチナのガザ地区を支配するイスラム原理主義組織のハマスがイスラエルを攻撃したことで発生した大規模紛争では、無関係な偽の写真や動画が数多くSNSに出回っていることが報告されています。これらを見分けるために活用されたAIが、本物の写真を「AIによって生成されたもの」と誤認識したことが判明しました。

Googleの純正スマートフォン「Google Pixel 8」と「Google Pixel 8 Pro」が2023年10月12日に発売されました。Pixel 8シリーズの最大の目玉と言えるのが、前モデルからアップグレードされたチップセットのTensor G3で、実際にGIGAZINE編集部で購入してベンチマーク測定を行ったところ、その進化がはっきりと数字に表れた結果が得られています。さらに、強化されたAIの真価を実感できる新機能である「ベストテイク」と「音声消しゴムマジック」を実際に使ってみたり、Pixel 7と写真を撮り比べてカメラ性能の向上を確認してみたりしました。

Microsoftの検索エンジンであるBingには、画像生成AIを用いた「Bing イメージクリエーター」という機能があります。この画像生成AI機能では暴力・テロリズム・ヘイトスピーチなどに関するプロンプトが利用できないようにブロックされており、Bing イメージクリエイターの使用に関するポリシーでもこれらのコンテンツの作成は明確に禁じられています。しかし、ユーザーはBing イメージクリエーターを使って禁止されているはずのコンテンツを簡単に作成することができており、もはや人間の制御できる範疇を逸脱してしまっていると、メディアが指摘しました。

科学論文において画像やデータを不正に操作して結果を改ざんする行為は、科学全般への信頼を揺るがす深刻な問題であり、論文における不正を検出する取り組みは非常に重要です。そんな科学論文の不正に操作された画像を検出するためのAIツールは、すでに人間の目視によるチェックよりも高い精度を持っているという研究結果が、プレプリントサーバーのbioRxivに掲載された査読前論文で報告されました。

入力された文章(プロンプト)から画像を生成するAIの機能を「Text to Image」と呼びます。このプロンプトを、プレーンテキストではなくリッチテキストにして、フォントの大きさや色、スタイル、脚注を生成する画像に反映する技術「Expressive Text-to-Image Generation」を、メリーランド大学カレッジパークの研究者らが生み出しました。

大手フォトストックサービスのGetty Imagesが、安全に商用利用可能なAI画像生成サービス「生成AI by Getty Images(powered by NVIDIA)」を発表しました。Getty Imagesの画像生成AIは、Getty Imagesが所有するクリエイティブ素材とデータのみでトレーニングされているため、画像生成AIの課題となっている権利的な問題をクリアしているとのことです。

OpenAIがChatGPTに「画像の内容を判断して応答する機能」と「テキストではなく音声でコミュニケーションする機能」を追加することを発表しました。これにより「冷蔵庫の中身を見せてレシピを提案してもらう」といった視覚を伴うコミュニケーションが可能になるほか、人間と会話するように音声コミュニケーションをとることが可能となります。

画像生成AIで部屋の写真内に家具を生成する「Fill 3D」が発表されました。Fill 3Dは写真に写っている部屋の立体構造と照明を把握した上で、写真上の任意の場所にプロンプトで入力した家具をそのまま生成することができます。