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

2016年にGoogleは機械学習のためのデータセット「Open Images」を初めてリリースしましたが、この最新版である「Open Images Dataset V5」を2019年5月8日付でGoogleが新たに公開しました。

男性が自分の顔をカメラで写すと瞬間的に顔が女性に変化し、顔の向きを変えたり表情を変えるとリアルタイムでその変化が「女性の表情」として表現される……といったことが可能な性別交換フィルターを写真共有アプリのSnapchatがリリースしました。もちろん女性から男性への変換も可能で、あまりの精度の高さゆえ、フィルター目的で新たにSnapchatをインストールする人が続出するほどの機能となっており、AIを開発するGoogle Brainチームのエリック・チャンさんがこのフィルターのすごさについて分析しています。

「DJI Mavic Air」などのドローンを製造・販売するDJIが、GoProライクな小型のアクションカメラ「Osmo Action」を発表しました。端末の前後にそれぞれディスプレイを搭載した「デュアルスクリーン」対応で、超強力な手ぶれ補正機能、4KHDRムービーや8倍スローモーションムービーの撮影も可能、さらには防水にも対応という全部盛りなアクションカメラになっているとのことです。

技術の進歩と共にめざましい進化を遂げているドローンですが、飛んでくる鳥やボールなど、高速で自機めがけて飛んでくる物体をとっさに回避することは非常に困難です。チューリッヒ大学の研究チームは、カメラによって飛んでくる物体を認識して自動で回避する技術を開発、実際にこの技術を用いたドローンによる実験ムービーを公開しています。

ペットの顔をアップロードするだけで、ペットの顔を別の動物の顔に変換してくれるツール「PetSwap」をNVIDIAが公開しました。例えば飼っているのがゴールデンレトリバーなら愛犬がチワワやプードル、あるいはホッキョクグマだった時にどう見えるのか？を実験することが可能。また人間の写真をアップロードするとその人がダルメシアンだった時にどんな顔になるのか？などを見ることができます。

「肺がん」はがんの中でも最も死亡数が多いがんです。Googleではそんな肺がんを検出するためのAIが開発されており、このAIに低線量肺がんCT(LDCT)を用いたがん検診を行わせたところ、人間の放射線医師よりも高精度でがんを検出できることが明らかになっています。

モスクワにあるSamsungの人工知能(AI)センターとロシア・スコルコヴォ科学技術研究所の技術者が、従来の3Dモデリングのような手法を使わずに、画像から人が話している様子のアニメーションを生成できるモデルを開発しました。この技術は将来的にゲームやビデオ会議で使われるデジタルアバターへの応用が期待されます。

インターネットが普及した現代では、チェスファンはプロプレイヤーの試合をリアルタイムで世界中のどこからでも見られるようになり、名マッチの棋譜も数多く公開されています。そんなチェスファンがインターネットでチェスを楽しむ上でお役立ちなChrome用拡張機能「chessvision.ai for Chrome」は、ブラウザに表示されている棋譜を認識して、その場で盤面を作成するだけでなく、AIによって最適手を考案してくれるツールとなっています。

人工知能(AI)の進化により自動で「セレブっぽい写真」や「リアル写真と判別不能なレベルの偽画像」、「美少女キャラクター」などを生成することが可能になっていますが、新たに、現実世界には存在しない「架空の猫」の写真を自動生成しまくることができる「This cat does not exist」がちょうど猫の日である2月22日に登場し話題となっています。

機械学習によって存在しない人物の顔画像を自動的に作れるようになり、偽の写真を使った詐欺が横行したり、デジタルなIDが偽造される恐れが指摘されています。しかし、2019年時点のAIは完璧な画像を作成できるわけではなく、「どこに違いが出るのか」を知っていれば偽物を見抜くことも可能なはず。ということで、2枚の顔画像のうちいずれが本物か？ということをテストできるウェブサイトをワシントン大学のJevin D. WestさんとCarl T. Bergstromさんが公開しています。

機械学習により本物の人間と見分けがつかないレベルの顔写真をワンタッチで簡単に生成できるウェブサイトが話題となる中、「Human Or AI」では真作と贋作(がんさく)を見抜くように人間の写真を見極める力を試すことができます。同様の判別クイズが行えるサイトも登場していますが、「Human Or AI」では「どちらが本物の人間か」に加えて「どちらも実在の人間」「どちらもAIによる偽画像」という選択肢も追加され、さらに超絶難度になっていました。

Microsoftが「Excel」アプリのアップデートを発表しており、Android版では紙の資料に印刷された表をスマートフォンのカメラで撮影するだけでデジタルデータとしてExcel内にインポートできるようになりました。

いくつかの顔認証システムが肌の色が濃い人を正確に識別することに苦労していることは既に知られていますが、新たに自動運転カーに搭載されている人工知能(AI)システムも同様の問題を抱えていることが明らかになっています。研究によると、肌の色が濃い歩行者の方が自動運転カーによる事故に遭遇する確率が高まるそうです。

近年発達してきたAI技術を用いて「コンピューターが人間の表情を読み取って感情を検出する」というアルゴリズムが注目を集めており、治安維持や教育現場などでの利用が見込まれています。しかし、人間の感情について研究している研究者の中には、「AIが人間の表情から感情を読み取る技術の実用化には危険がある」として警鐘を鳴らしている人もいます。

顔認証技術とはカメラとアルゴリズムを用いて人間の顔を識別し、性別・年齢・人種などの情報を判別したり、果ては写真に映っている人を特定する技術です。顔認証技術はまだまだ発展段階にあり、各社が技術レベルを向上させるために様々な試験を重ねている段階です。そんな中、顔認証技術をリードするIBMが、写真の共有を目的としたコミュニティサイト「Flickr」上にある写真を顔認証技術のために利用していると判明。ユーザーは顔認証技術への写真利用に同意していないのでは、と指摘されています。

Microsoftペイントとマウスを使って描いたようなラフなイラストが、一瞬でリアルな風景写真に変換される画期的な技術をNVIDIA Researchが開発しました。「GauGAN」と呼ばれるインタラクティブなソフトウェアは膨大な学習データを用いたディープラーニングを使ったもの。GauGANを使えば「オブジェクトの形を描くだけ」「線を引くだけ」で誰でもアイデアを形にすることができます。

半導体メーカーのNVIDIAは最先端のGPUを開発しているという利点を生かし、AIやディープラーニングの分野にも積極的に進出しています。そんなNVIDIAは医療用AIの開発も行っており、画像診断等を行う放射線科医をサポートする医療用AIを含むツールキット「Clara」を開発しています。

IBM基礎研究所は2019年1月29日、「Diversity in Faces(DiF、顔の多様性)」と呼ばれるデータセットをリリースしました。このデータセットは顔認識技術の公平性と正確性の向上を目指して作られたもので、さまざまな性別や人種の人間の顔画像とその注釈がおよそ100万人分含まれているとのことです。

画像の加工を行っている時、「画像に映っている人物だけを抜き出して、背景を全て消し去った透過画像を簡単に作りたい」と思った経験がある人もいるはず。「remove.bg」はそんな人にピッタリな、AIを使ってわずか数秒で背景と人物を分離してくれる登録不要＆無料のウェブサービスです。

NVIDIAの研究者たちが、敵対的生成ネットワーク(GANs)のための新しいスタイルベースのジェネレーターアーキテクチャを提案する論文を公開しました。このアーキテクチャは、教師なし分類における高レベルの属性(例えば、人の顔を学習させた場合のポーズやアイデンティティ)や、生成された画像(例えば髪の毛)の確率的変化などを使いやすいものにし、スケール特有の合成制御を可能にするためのものだそうです。

建物の屋上から屋外の大規模施設まで、さまざまな場所で太陽光発電の運用が可能なソーラーパネルは世界各地で利用されています。そんな太陽光発電の出力を正確に把握するために、人工衛星から撮影した画像をAIで分析することで太陽光パネルの位置と規模を正確に把握する「DeepSolar」をスタンフォード大学が進めています

無料のソフトでも画像の編集やリサイズなどはできますが、大量の画像ファイルをひとつずつ処理するのは大変です。「ImBatch」は画像に「テキストを入れる」「明るさを変える」「画像を一定の大きさにリサイズする」などの処理を組み合わせて、自分だけのバッチ処理を作ることができるフリーソフトです。

画像の中から特定の物体だけを切り抜く作業を手動で行うのはかなりおっくうなものです。Google Chromeの拡張機能「物体認識切り抜きで透過画像作成」を使えば、画像ファイルやウェブページの画像から対象の物体だけを自動で切り出して、透過型PNGファイルを出力できます。

Skypeなどのサービスを利用すれば、インターネットを介してリアルタイムに相手の顔を見ながら会話することができますが、生活感あふれるお部屋が映ったり、カメラに余計なものが入ったりするのは避けたいもの。通話の相手が友達や家族ではなく職場の同僚やビジネスの相手ならなおさらです。「XSplit VCam」はグリーンバックなどの機材や編集が不要でリアルタイムに自分の背景を消したり、別の風景に差し替えたりできる便利なソフトとのことなので、実際にインストールして使ってみました。

スマホをかざすだけで生き物の名前がわかるだけでなく、生態や絶滅危険度などの詳細を表示してくれるiOS向けのアプリが「LINNÉ LENS」です。日本の動物園や水族館の生き物の9割以上を認識し、自分だけの生き物図鑑を作ることができるとのことなので、実際に水族館に行って試してみました。

Samsungが販売しているスマートフォン「Galaxy A8 Star」の商品紹介ページで「背景ボカシ」の例として使用されている写真が、実際には実機ではなく一眼レフのデジタルカメラで撮影した画像素材を加工して作成されていたことが明らかになりました。画像の流用を発見したのは、写真のモデルにもなっている撮影者本人です。

NVIDIAが世界で初めて「現実世界の映像から3DCGのバーチャル環境を構築」可能なAIを開発することに成功しました。AIが生成する3DCGの仮想環境は、自動運転カーの訓練やゲーム、VRにも利用可能であり、従来の方法よりも3D環境を構築するために必要となる時間とコストが格段に削減できるようになります。

アダルトコンテンツの投稿禁止を新ガイドラインに設けたミニブログサービス・Tumblrが、独自の人工知能(AI)を利用してTumblr上に投稿された画像の中からアダルトコンテンツに相当するものを自動で選別し、警告を送り出しています。しかし、このアルゴリズムの判定があまりにもお粗末なために、健全な画像もポルノ判定を下されまくっていると話題になっていて、Twitterでは次々と報告があがっています。

機械学習の技術が進むことで、特徴を記述するだけでコンピューターがぴったりの画像を生成してくれる画像生成モデルが開発されています。従来のように巨大なマシンパワーを使うことなく、効率的に顔の特徴を自由に変更できる画像生成モデル「TL-GAN」をニューラルネットワーク研究者のシャオボ・グアン氏が開発しています。

不可思議な存在を信じて心霊写真の撮影に熱意を燃やす心霊愛好家は、夜中に心霊スポットや墓地に出向いてカメラを回し、「幽霊」や「死者の魂」といったものが映り込むことを期待します。心霊現象が撮れたと思ったものの多くは、微妙な光をカメラセンサーが捉えてぼやけた光が映り込んだだけの単なる勘違いですが、マサチューセッツ工科大学の学生が普通の画像に幽霊を合成するシステム「AI Spirits」を開発しました。