動画作例で使用した本連載の作例キャラの「明日来子（あすきこ）」さん。Midjounery v7の新機能「Omni-Refernece」で作成 4月17日に登場した動画生成AIプログラム「FramePack（フレームパック）」が世界的に衝撃を与えています。PCローカル環境で動画AIを動かすには、少なくともビデオメモリー（VRAM）が12GBあるビデオカードを搭載していないと難しいというのが常識でした。ところが、VRAM 6GBでも安定的に動作させられるため、一気に動画AIの裾野を広げそうです。開発したのは、画像生成AI分野で「ControlNet」や、使いやすいツール「Fooocus」などを開発してきたことで知られる、スタンフォード大学に在籍中のIllyasviel（イリヤスフィール、以下イリヤ）さん。既存の方法論にまったく違ったアプローチでブレイクスルーを引き起こす、“イリヤ神”のアプロー

米Googleは4月30日（現地時間）、AIアシスタント「Gemini」の最新アップデートで、新たに画像編集機能を導入したと発表した。テキストによるプロンプトを入力するだけで、「背景の変更」や「オブジェクトの追加・入れ替え」といった編集が可能となる。なお、5月2日現在、日本ではまだ利用できないようだ。 この機能は、アップロードした画像と、Geminiで生成した画像の両方に適用可能。例えば自分の顔写真を用意し、「髪の色を変えて」と指示すると、AIが自動で編集を行う。 Geminiアプリの公式Xアカウントでは、「ダルメシアンの画像を生成して」というプロンプトにより芝生に座る犬の画像を生成した後、「文字やロゴのない黄色い野球帽をかぶせて」「背景を砂浜に変更して」といった指示で、画像が編集されていく様子を紹介している。

数日前からダウンしている米国の匿名画像掲示板「4chan」は4月26日（現地時間）、Tumblr上の公式ブログでこのダウンについて説明した。サーバステータスによると、サービスは一部復旧しつつあるが、本稿執筆現在、投稿はまだできない。 14日に大規模なハッキング攻撃を受けたため一時的にサービスを停止したという。攻撃者は英国のIPアドレスを使い、4chanが採用している旧式のソフトウェアパッケージの脆弱性を悪用してサーバに侵入。侵入経路は不正なPDFファイルのアップロードだった。 攻撃者は数時間にわたってデータベースやソースコードを大量に流出させ、サイトの改ざんを開始したため、これに気づいたモデレータがサーバを停止させた。 運営チームは被害状況は「壊滅的」としている。根本的な原因は、OSやコードを適切にアップデートしてこなかったことだと説明した。資金難で重要な機能を旧式サーバに依存せざるを得ず

澤山モッツァレラ_Commune @diceK_sawayama o3 の場所特定機能やばすぎる、現在地や自宅の場所知られたくない人はいまの100倍くらい映り込む内容に気をつけて、、、（自宅付近の踏切アップしたら見事に特定されて戦慄） 2025-04-17 17:08:54 澤山モッツァレラ_Commune @diceK_sawayama コミュニティSaaS企業のマーケター。編集、PR、生成AI、BtoB、コンテンツマーケなどを発信／AI×編集者コミュ運営／生成AIコンサル／8歳👧／筋トレ／コピーライティング実績も多数／飄々としたジジイになりたい

手元に遺された古い写真について教えてくれる人もいない場合、それがいつ、どんなシチュエーションで撮影されたのか知りたいことがあると思います。 筆者は長年疑問に思っていた写真が何枚もあります。 そんなときにはGoogleレンズなどを使うのが定番ですが、人物が写っていると拒否されるという致命的な欠陥があります。ChatGPTのプライバシーポリシーはGoogleと比べると格段に緩いので可能かもしれません。 o3とo4は画像解析、ウェブ検索、コーディングが同時にできるようになったため、期待が持てそうです。 そこで、過去にはまったく撮影場所不明だった、妻の中学・高校時代の写真をアップロードして、「ここはどこ？」と聞いてみました。 もう少し情報があるといいらしいので、「撮影は1970年代末から80年代はじめにかけて」と追記すると、調査を開始。 うまく絞り込めたようで、56秒で結論が出ました。最初の推測通

ChatGPT の画像生成機能が刷新され、業界に再び激震が走っています。 今回のアップデートは簡単に見逃せるような単なる機能追加ではありません。 画像生成能力が GPT-4oモデル自体にネイティブ統合されたことで、ChatGPTとの自然な会話を通して、従来とは一線を画すレベルの実用的な画像を生成できるようになりました。 なんと、この画像生成機能のリリースからわずか1週間で1億3千万ユーザーが7億枚もの画像を生成したという報告もあり、その注目度の高さがうかがえます。 今までと何が違う？今までの画像生成AIとの明確な違いは、圧倒的な指示理解力、画像内のテキスト（日本語含む）の高い描画精度、そして会話による柔軟な画像編集能力です。 ChatGPTがユーザーの意図を汲み取ってくれるため、難しいプロンプト作成は基本的に不要になりました。これからは、AIとの対話を通じてイメージを具体化していくスキルが

ChatGPTの画像生成機能の使い方これまでChatGPTでは、新機能が搭載されると画面上のタブに新しいAIのモデル名が追加されるシステムが取られていました。 しかし、今回追加されたChatGPTの画像生成機能は専用のモデルが用意されておらず、無料プランでも使うことができるChatGPT-4oに内蔵される形式となっています。 なので、画像生成を使ってみたいときは「GPT-4o」を選択すればOK。また、「GPT-4o」は無料ユーザーでも利用可能なので、登録さえすれば誰でもどこでも画像生成し放題なんです。 ではでは、さっそく画像生成を試していきましょう。 生成AIの中でも、画像生成ってイメージしたものがポンって出てきにくい印象があるんですよね。完成図を極限までイメージして、それを正確にAIに伝えられて、ようやく完成度60％レベルの画像が出てくる……って感じ。 それこそ、普段私の場合はざっくりイ

オックスフォード大学の研究チームとMetaのAI研究部門が、画像から3D情報を取り出す新しいAIモデル「VGGT」を発表しました。従来の技術では、3D情報を得るために複雑な計算処理が必要でしたが、VGGTは一度の処理で画像から直接、カメラの位置や向き、物体の奥行き、3D空間での点の位置などを素早く計算できます。 VGGT: Visual Geometry Grounded Transformer https://vgg-t.github.io/ [2503.11651] VGGT: Visual Geometry Grounded Transformer https://arxiv.org/abs/2503.11651 VGGTは「Visual Geometry Grounded Transformer」の略で、従来の3Dコンピュータビジョン技術と異なり、単一のフィードフォワードニューラル

TL;DR 日本語から danbooru タグに翻訳する LLM を作った LLM を使ってデータセットを合成した 成果物 Danbooru tags Translator で略して Danbot です (Danbooru + Bot にもなります)。前回は Dart でしたが流石に名前被りが多くて検索しずらそうなので変えました。 モデル: 作成したデータセット: ComfyUI カスタムノード: 結果だけ見たい方は #画像生成結果 へ。 前提 この記事は、前回の プロンプトは考えたくないけど画像生成がしたい！ となっています。 割と前回の手法について触れることがあるので、前回の記事を読まないと理解できない箇所があるかもしれません。 はじめに 前置きは前回の記事と同じなのでざっくり説明します。 画像生成モデルのプロンプト、考えるの難しい じゃあプロンプトを LLM で生成しよう という感じ

Illustrious XL v1.0の派生モデルillustrious_pencil-XL-v3.2.0で生成した画像。解像度は1824x1248（筆者作成） 2月11日に、韓国ONOMA AIが開発した画像生成AI「illustrious XL（イラストリアス）」のv1.0がリリースされて話題になっています。2024年9月にv0.1が公開された際、v1.0やv2.0を開発していると示唆があったのですが、意図的に公開されていませんでした。3月18日にはクラウドでの「v2.0」も公開を開始しています。最大の特徴は高解像度化です。ベースとなる基盤モデル「Stable Diffusion XL（SDXL）」では1024x1024の画像で学習していますが、v1.0では追加学習用の学習データを1536x1536へと大幅に引き上げています。その分、学習にかかる計算量は大幅に増大していますが、より大き

生成AIグラビアをグラビアカメラマンが作るとどうなる？ 連載記事一覧 Google AI Studio + Gemini 2.0 Flash (Image Generation) Experimental数日前、オープンのGemma-3（Vision/画像入力対応）とほぼ同時に出たので少し混乱していたが、Gemini 2.0 Flash Experimental（こちらは非オープン）というマルチモーダルLLMが登場。これがちょっと類を見ない対応度なのでご紹介したい。できることは、 Promptから画像を生成 画像からPromptを生成（Vision/画像入力） 画像からPromptにそって画像生成 いかがだろうか？　これまでLLMはせいぜい2のVision対応のみだったが、1と3もこなせる真のマルチモーダルLLMとなっている（1は他の生成AI画像と組み合わせるケースはあった）。 使い方は簡

表示するだけでアウト。画像に隠されたマルウェアの脅威とその対処法2025.02.08 16:3550,965 Devid Nield - Gizmodo US ［原文］ （ Mme.Valentin/Word Connection JAPAN ） 2022年10月6日の記事を編集して再掲載しています。 待って！ その画像には脅威が潜んでいるかも。 ウイルス、フィッシング詐欺、安全でないWi-fiの利用、怪しいUSBメモリなど、デバイスとデータの安全を脅かす危険はたくさんあります。今回は、あまり知られていない脅威の1つ、マルウェア埋め込み画像についてご紹介します。 一見、何の変哲もないデジタル写真にもマルウェアが仕込まれている場合があることがあります。この技術はステガノグラフィといい、あるファイルを別のファイルの中に埋め込む技術として知られていますが、 必ずしも悪意を持って使用されているわけ

そうなると人間のやることは何になるかというと……微調整？ 迫りくる赤い電子を避けて進もう。電子の間の黄色線を通って得点アップ https://t.co/VDjGACbzZi pic.twitter.com/u7STpP3cJu— ABA (@abagames) 2025年1月25日 このゲームをClaude 3.5 Sonnetや、いくつかの画像・音楽生成AIを使って作ってみた。ここではこれを具体的にどう作ったかを説明したい。生成AIを使ったミニゲーム開発プロセスの参考になれば幸いである。 まずはアイデア作りから。 このリポジトリの中にあるKnowledgeをClaudeに与えて、テーマを入力すれば、いくつかのワンボタンアクションミニゲームのアイデアをClaudeが生成する。Knowledgeには今まで私が作ったゲームのコードとその説明や、ワンボタンにどのようなアクションを割り当てることが

カプコンが、ゲーム開発における画像生成AIの活用を進めている。米Googleの「Imagen 2」などを活用したシステムを開発し、アイデア出しの効率化を目指すという。グーグル・クラウド・ジャパンが1月18日に発表した。 カプコンは、ゲームステージを彩るポスターやステッカーといったオブジェクト制作のアイデア出しにAIを活用。設定資料を基に「Gemini Pro」や「Gemini Flash」といった大規模言語モデルに画像生成用のプロンプトを作成させ、Imagen 2で生成する仕組みを作り上げた。 さらに、機械学習プラットフォーム「Vertex AI」を活用して、Geminiが出力したプロンプトや、Imagenが出力した画像を評価し、要求する水準に達していない場合、自動でリテイクさせる仕組みも整備した。オブジェクトのアイデアは1タイトルに数十万件必要になるため、新システムを活用して効率化を図る

ネガティブな記憶やトラウマ的なフラッシュバックを消すことは、精神衛生の改善につながる可能性があります。香港大学のTao Xia氏らの研究により、ポジティブな記憶を活性化させ上書きすることで、ネガティブな記憶を弱めるという手法が発見されました。 Aversive memories can be weakened during human sleep via the reactivation of positive interfering memories | PNAS https://www.pnas.org/doi/10.1073/pnas.2400678121 Researchers Have Found a Way to Help Erase Bad Memories : ScienceAlert https://www.sciencealert.com/researchers-hav

GIMP開発チームは11月6日、無料の画像編集ソフト「GIMP 3.0」のRC版をリリースした。ユーザーインタフェースをはじめ、色管理や非破壊編集などの機能をアップデートしたという。2004年リリースの「GIMP 2.0」以来、20年ぶりの大型アップデートを目指す。 RC版とは、リリースの候補版のこと。「GIMP 3.0として完成している」が、リリース前にユーザーにテストしてもらうことで、バグなどがないかフィードバックを得ることを目的とする。 RC版では、色管理機能「Color Space Invasion」を改善。前回リリースからのバグを修正すると同時に、表示される色の値ができるかぎり正確であることを確認。「GIMP 2.10」以前のバージョンで作成したファイルを3.0で開くときも正確にレンダリングできるよう、レイヤー機能も見直したという。 その他、GUIツールキットに「GTK 3」を採

8月30日から山田尚子監督の『きみの色』が公開されました。光や色の表現が非常に印象的な作品です。私にとって山田監督といえばレンズを意識した演出に特徴のある作品の印象が強いですが、実際インタビューなどでもアニメーションにおけるカメラやレンズに対する意識の強さがうかがえる発言も見られます。またご本人もミニシアターなどで知らない外国映画を見たりするのが好きとも話されていたので、そういった映画館で供されるような表現にこだわりのある映画をたくさん見ているようです。 近年のアニメーションの中では実写のレンズに現れるような現象を表現として用いることが増えています。山田監督の他にも新海誠監督などもそれらを作品に積極的に取り入れている代表的な作家と言えるでしょう。これらはデジタル技術の進歩でその幅を広げていますが、フィルム時代からも行われているものです。 その中でも今回はピント表現、被写界深度表現について少