こんにちは！逆瀬川 ( https://x.com/gyakuse ) です！ 生成AI Advent Calendar 2024の記事を書くの忘れていたので、現時点での生成等AIの進歩をまとめてみました！今日はAIがいまなにできんの？ってこと聞かれたときにこれできるよ！って教えるためのメモとして活用してください！また、生成AIプロダクト Advent Calendar 2024というのもソロでやっています。このカレンダーではLLMの基礎理論からModelのFine-Tuning、プロダクト開発等をまとめています。ぜひこちらも見てください！ 未来を感じる技術の進歩 動画生成では、Veo2 や Sora が登場しました。 インタラクティブな動画生成では、Genie2 (WASDと方向キーで操作可能な世界モデル)が非常に革新的な進歩を遂げています (振り返っても一貫性を保つ長期性が本当にすごい

画像生成AIにイラストや写真を学習させることを防ぐため、「Mist」などを使って画像に敵対的サンプルと呼ばれるノイズを入れる方法があります。この敵対的サンプルによるノイズを画像から除去するためのツール「AdverseCleaner」が登場しています。 GitHub - lllyasviel/AdverseCleaner: Remove adversarial noise from images https://github.com/lllyasviel/AdverseCleaner AdverseCleanerはHugging Faceで公開されており、実際に試してみることができます。 AdverseCleaner - a Hugging Face Space by p1atdev https://huggingface.co/spaces/p1atdev/AdverseCleaner 今

Looking Glass PortraitにMidjouneyで作成した画像を表示したところ。静止画では伝わらないが、実物では階段の奥行きの立体感がしっかりと出ている（筆者作成） 2021年に個人的に入手したガジェット類でとても気に入っており、いまだに使い続けているハードがあります。米Looking Glassの「Looking Glass Portrait」です。それはStable Diffusionとの組み合わせによって、その潜在能力が大きく広がったためです。 Stable DiffusionがLooking Glassの可能性を広げた Looking Glass Portraitは、「ライトフィールド」と呼ばれる裸眼立体視を実現する同社の第2世代ディスプレー。第1世代に比べて、軽量化されたとともに表示領域が広がっています。3Dモデルを45～100通りの角度から見た画像に表示して、屈

カリフォルニアのスタートアップであるStability AIによる「Stable Diffusion」や、Discordのコマンドを利用する「Midjourney」、アニメなどのイラストに特化した「NovelAI」のほか、Adobeが発表した著作権的にクリアな「Adobe Firefly」など、さまざまな画像生成AIが普及しています。画像生成AIはプロンプトを入力するだけでかなりリアルな人物や高クオリティなキャラクターイラストを生成できますが、AIが苦手としている表現やパーツもあり、中でも「人間の手」を描くのに失敗するケースが多くなっています。なぜAIは手を正しく描くことが得意ではないのかというメカニズムを、オンラインメディアのVoxが解説しています。 Why AI art struggles with hands - YouTube 画像生成AIによる人物やキャラクターはかなり高クオリテ

わけで、元々絵を描ける方であれば役に立つこともあると思います。 ただ私自身は（AIは使いまくってるけど）学習にはそれほど興味がなく「自分の絵をAIに食わせたらどうなるか」という点については今まで真面目に検証してきませんでした。 しかし先日ふと「私が描くような変なイラストを学習させたらどういう絵が生成されるんだろう？」という好奇心が芽生えたことから今回久しぶりに絵を描き、それをAIに学習させてみることにしました。

（a）は現行の「LAMDASH（ラムダッシュ）」シリーズ。直線運動をするリニアモーターを採用しており、今回、AIで設計したのは「ムーバー」と呼ばれる駆動部分である（出所：パナソニック ホールディングス） 同社によれば、デバイス開発におけるAIの活用は、大学での構造設計の研究やマテリアルインフォマティクスなど材料分野では事例が多いが、モーターなどの部品そのものに適用した事例はほとんどないという。 最近では、人間に近いレベルの受け答えなどができることから、生成系AIの「ChatGPT」〔米OpenAI（オープンAI）〕が世界的に注目を集めているが、パナソニックの開発成果は、実世界の複雑な事象がからむ、ものづくりの分野にもAIの波が押し寄せていることを象徴している。 パナソニックのLAMDASHは製品化から既に20年以上がたっている。現場では小型化・高効率化に向けて地道な改良を続けてきたものの、

AIアートと著作権：「Stable Diffusionを違法化するためのロジック」が人間のアーティストを苦しめるワケ投稿者: heatwave_p2p 投稿日: 2023/4/82023/4/8 Electronic Frontier Foundation アーティストたちは、Stabile Diffusionなどの自動画像生成ツールが自分たちの作品市場を縮小させる可能性を、当然のことながら懸念している。我々は自動化で仕事を奪われる人たちを見捨てるような社会に生きている。そして、ビジュアルアーティストという職業はすでに不安定な立場に置かれている。 こうした状況にあって、著作権にすがろうとするのは自然なことではある。著作権はアーティストが作品から対価を得られるよう保証するものだからだ。だが、一部のアーティストたちがStable Diffusionを相手取って起こした集団訴訟で主張している著作

AI生成アートとオンライン画像市場：「AIトレーニングに使わせない権利」がクリエイターの仕事を奪うワケ投稿者: heatwave_p2p 投稿日: 2023/4/72023/4/7 Electronic Frontier Foundation コンピュータで生成された画像が、奇妙なアイデアとインターネット接続があれば誰にでもアクセスできるようになった今、「AIアート」による創造は疑問――と訴訟――を提起している。ここでのポイントは、1）AIは実際にどのように機能するのか、2）どのような仕事を代替するのか、3）この変化を通じてアーティストの労働はどのように尊重されるのか、だ。 AIをめぐる訴訟は、その大部分が著作権に関係している。この著作権の問題は非常に複雑であるため、著作権に関連する考察は別稿に譲り（邦訳）、ここでは法律以外の、より深刻な問題に焦点を当てたい。 AIアートジェネレータの仕組

「OpenAI」の「ChatGPTプラグイン」の記事が面白かったので、かるくまとめました。 ・Chat Plugins - OpenAI API ・ウェイトリスト 1. ChatGPTプラグイン「ChatGPTプラグイン」は、「ChatGPT」をサードパーティのアプリケーションに接続するためのプラグインです。「ChatGPT」は、開発者によって定義されたAPIと対話し、機能を強化し、幅広いアクションを実行できるようになります。 次のような機能を追加できます。 ・リアルタイム情報の取得 (スポーツスコア、株価、最新ニュースなど) ・知識ベース情報の取得 (会社のドキュメント、個人的なメモなど) ・ユーザーに代わってアクションを実行 (フライトの予約、食べ物の注文など) プラグイン開発者は、マニフェストファイルとAPIエンドポイントを公開します。これらはプラグインの機能を定義し、「ChatGP

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

ChatGPTユーザーの悩みを解決するプロンプト徳力基彦氏（以下、徳力）：まず今日はChatGPTの使い方をしっかり覚えていただきたいと思います。ここで「深津式汎用プロンプト」。 深津貴之氏（以下、深津）：僕は1個1個、個別の例を出すのはあんまり好きではないです。さっき言ったように原理原則を1個理解すれば、全部その原理原則から引っ張れる方向が好きですね。 なので今日も、細かいプロンプトを出すよりは、だいたいあなたの悩みのすべてを解決するプロンプトを1個出すので、これだけ覚えて帰りましょう。 徳力：プロンプトですと、一気にプログラミングっぽい感じになってきました（笑）。これ（スライド）がサンプルですね。 深津：僕がいろいろ試した中で、それなりにいい感じになる汎用プロンプトです。 徳力：最初に聞くのを忘れましたけど、深津さんはChatGPTを何回ぐらい使っているんですか？　感覚として。当然数え

最近、見つけた技。知らない言語でコードかくときChatGPTが神すぎる。 そのテクはなんと「プログラミングまるごとを、ChatGPTに突っ込む」というもの。 え、そんなの動くの！？ と思うんですが、動くんですそんなの。直球すぎて盲点だった。 試してみよう たとえば、下記はGoogleサービス使って、リアルタイムにマイク音声を文字起こしするサンプル。 こいつをチャットAIで音声会話をやろうと、軽く読んでみたのですが…うん、よくわからん。 Pythonだし、Streamingだし、音声の操作だし、普段つかわない技術が満載すぎてわからん。 雑にコードを突っ込むと人生が解決こういう時は 以下のコードを、わかりやすく説明して。 ＜以下、上記コードをそのままコピペ＞とすると……  こうなる。 このコードは、Google Cloud Speech-to-Text APIを使用して、マイクからの音声をリア

まっくす @minux302 入力画像を変換するタスクを Diffusion モデルで解く ControlNet についての解説記事を書きました。画像のような線画 -> 着彩のタスク等を解くことができます。 新時代の pix2pix？ ControlNet 解説｜まっくす zenn.dev/minux302/artic… #zenn pic.twitter.com/wNJhH4poyJ 2023-02-11 16:49:10

Tetsuro Miyatake @tmiyatake1 AIで作ったアニメ。クオリティがめちゃくちゃ高い。 そしてクライマックスで日本語の曲が出てくるのは面白いチョイス。 youtu.be/GVT3WUa-48Y pic.twitter.com/5wtVoCh8OH Tetsuro Miyatake @tmiyatake1 映像を作るための音声、ストーリー、動きは全て人間が行って、それをアニメ化するのがAIの仕事。 役者の顔や体を認識するためのモデルやどのスタイルを適用するのかのモデルも作り、それらをStable Diffusionと組み合わせてキャラクターをアニメ化している。 pic.twitter.com/lxvqY8ezBS

アメリカ著作権局が2023年2月21日に、「画像生成AIを使用して制作されたグラフィックノベルの画像は、著作権による保護を受けない」と宣言しました。当該グラフィックノベルの作者は、引き続きアートワークの著作権を追求する予定としつつも、作品のストーリーや画像の配置などに関する創作性が認められた今回の決定を歓迎すると述べています。 US Copyright Office withdraws copyright for AI-generated comic artwork | Ars Technica https://arstechnica.com/information-technology/2023/02/us-copyright-office-withdraws-copyright-for-ai-generated-comic-artwork/ AI-created images lose

「セグメンテーションとOpenPoseによる構図制御を同時に行いたい」 「ControlNetによる入力を複数同時に行いたい」 このような場合には、Multi ControlNetがオススメです。 この記事では、Multi ControlNetについて解説しています。 本記事の内容 Multi ControlNetとは？Multi ControlNetの利用方法 それでは、上記に沿って解説していきます。 Multi ControlNetとは？ Multi ControlNetとは、複数のControlNet入力を可能にする仕組みです。 ControlNetについては、次の記事で説明しています。

米シカゴ大学の学術研究グループが、「Midjourney」「Stable Diffusion」などの画像生成AIに画風や絵柄などのアートスタイルを学習・模倣されないようにするツール「Glaze」を発表した。 「Glaze」は、アートワークへ人間の目にはほとんど見えない微小な変更を加えるツール。それによって、画像生成AIがそのアートワークを学習する際、別の画風（例えばゴッホなど）に解釈させるものだという。 同研究グループは、今後数週間のうちにMacおよびWindows向けに「Glaze」のアプリケーションを無償でリリースするとしている。 画像生成AI対策「Glaze」 プロ1000人の内9割が評価 機械学習の“侵略的な使用”からインターネットユーザーを保護することに関心がある学術研究グループ・Glaze Projectによって発表された「Glaze」。 その技術の詳細については、米・コーネル