Stability AIは6月26日、画像生成AIの最新モデル「Stable Diffusion XL」を発表しました（「画像生成AI『Stable Diffusion』最高性能の新モデル『SDXL 0.9』一般的なPCで実行可能」）。パラメーター数がオリジナルのStable Diffusionの9億から23億へと大幅に拡大され、描写力が飛躍的に上昇したモデルです。正式版のSDXL 1.0が7月18日に公開予定とあり、あらためて注目されています。ベータ版にあたるSDXL 0.9は先行して、有料課金サービス「DreamStudio」と、Discordでの公開を開始していました。Discordでは1人無料で1回出力可能で、いまもリアルタイムで生成画像が見える状態です。その後SDXL 0.9は研究用に公開されて、ダウンロード可能になりました。 大きな違いは「2回生成する」こと SDXLがこれまで

AIを使って画像を生成する時、「ちょっとだけ修正を加えたい」と思うことは多いもの。そんな人たちの夢をかなえるツールが「DragGAN」です。DragGANは画像の中で動かしたいポイントを指示するだけでAIが自動で修正してくれるというもので、2023年5月に論文だけが提出されていましたが、2023年6月22日にソースコードが公開され、同時にデモも登場しました。 GitHub - XingangPan/DragGAN: Official Code for DragGAN (SIGGRAPH 2023) https://github.com/XingangPan/DragGAN Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold https://vcai.mpi-inf.mpg.

画像生成AI「Midjourney」の開発チームが、2023年3月16日(木)に「Midjourney V5」のアルファ版をリリースしました。「Midjourney V5」では超高画質な画像生成が可能となっているだけでなく、画像生成AIの課題であった「『手』を正確に描写できない問題」が解決されたという報告も寄せられています。 Starting today our community can test Midjourney V5. It has much higher image quality, more diverse outputs, wider stylistic range, support for seamless textures, wider aspect ratios, better image prompting, wider dynamic range and more

転職サービス「doda」の求人情報サービス（以下、求人広告）では、求人広告制作のプロフェッショナルが取材、撮影、編集などを行って広告を制作。広告出稿いただいた法人企業様の魅力を余すことなく転職希望者様にお届けしています。 しかし対面撮影の機会が減ったコロナ禍においては、写真や画像は法人企業様から提供いただくことも多く、照明の加減などによって「顔色が不自然になってしまっているけれど、他に素材がない」といったこともしばしば。 そこで今回、コンピュータビジョン領域における補正・加工技術を活用し、画像処理を最適に行うツールを構築。PoCが行われ、作業工数の大幅な削減などの成果をあげています。本プロジェクトを担当した田口、宮下、芝、そして求人広告制作のマネジャーである佐古に話を聞きました。 始まりは「画像処理技術を活用し、社内で浸透させたい」という思い 現場・ビジネス・エンジニアの密な連携でプロジェ

こんにちは。TURING株式会社でインターンをしている、東京大学学部3年の三輪と九州大学修士1年の岩政です。 TURINGは完全自動運転EVの開発・販売を目指すスタートアップです。私たちの所属する自動運転MLチームでは完全自動運転の実現のため、AIモデルの開発や走行データパイプラインの整備を行っています。 完全自動運転を目指すうえで避けて通れない課題の一つに信号機の認識があります。AIが信号機の表示を正しく理解することは、自動運転が手動運転よりも安全な運転を達成するために欠かせません。信号機を確実に認識したうえで、周囲の状況を総合的に判断して車体を制御し、安全かつ快適な走行を実現する必要があります。 TURINGでは信号機の認識に取り組むため、15,000枚規模のデータセットを準備し、高精度なモデルのための調査・研究を開始しました。この記事ではデータセットの内製とその背景にフォーカスしつつ

「Midjourney」「Stable Diffusion」など、テキスト（呪文）を入力するだけで、イメージに合った美しい絵を出力してくれるお絵かきAIが、にわかに盛り上がっている。 描き込まれた絵画調の作品や、アニメ風のイラストなどに注目が行きがちだが、他にもさまざまな可能性が広がっている。例えば、子供用の塗り絵を無限に生成する、などだ。 「Midjourney」や、その派生版「niji・journey」で、さまざまな作品を作っているブロガーのkobeniさんは、これらを使って線画の"塗り絵”をたくさん作り、記者の娘（4歳）にプレゼントしてくれた。 娘は、プリンセスの塗り絵に「かわいい」と大興奮。色鉛筆を手にとり、夢中で塗っていった。 kobeniさんによると、塗り絵を作るための"呪文”は、「線画」「色なし」「子供用の塗り絵」「白背景」「白地に黒のはっきりとした線」「細かい書き込み」 「

「Stable Diffusion web UI(AUTOMATIC1111版)」は他のUIには搭載されていない機能なども盛り込んだ、いわば決定版の「Stable Diffusion」のUIといえますが、それだけにやれることが多いので、どこをどう触ればよいか悩むこともあるはず。 この記事ではまず、「Stable Diffusion web UI(AUTOMATIC111版)」のうち、テキストから画像を生成する「txt2img」の基本的な使い方をまとめています。 ◆目次 ・1：最も簡単な使い方 ・2：「txt2img」タブ内の各項目はどういう意味なのか？ Stable Diffusion web UI(AUTOMATIC1111版)は画像生成AI「Stable Diffusion」を使うためのUIの1つ。Stable Diffusionの利用にはNVIDIA製GPUが必要で、該当するPCにS

#stablediffusion 完全に理解した pic.twitter.com/IR5yjnL07Y— すぎゃーん💯 (@sugyan) August 31, 2022 ということで少し触って遊んでみたのでメモ。 Stable Diffusion をザックリ理解 先月公開された Stable Diffusion。 stability.ai 高精度で美しい画像を出力できる高性能なモデルながら、Google Colab などでも手軽に動かせるし、 Apple silicon でもそれなりに動かせる、というのが魅力だ。 中身については 以下の記事の "How does Stable Diffusion work?" 以降のところが分かりやすい。 huggingface.co 図をそのまま引用させていただくと という仕組みになっていて、受け取る入力は "User Prompt" と "Late

深層学習が登場してからの、直近１０年分のコンピュータビジョンを俯瞰するセッションです！分野の主要な流れを凝縮して「たったの」４０分で解説していきます。 #NVIDIA #GTC22 https://t.co/QCH1o73T9x https://t.co/iHj3nbpxyc

「Plask」は、韓国・ソウルに拠点を置く同名のソフトウェア会社が開発。現実の動きをAIが自動で取り込み、単純な操作でモーションデータを作成できることからアニメーターやゲーム開発者らを中心とした界隈で大きな注目を浴びている。 編集画面では、各ターゲットの配置やキーフレームの調整といった機能を搭載。今後は複数人での共同編集も実装する予定とのこと。データの出力は汎用フォーマットのGLB、FBX、BVH形式などに対応し、BlenderやMayaといった3DCGソフトでも扱うことができる。 （画像はYouTube「Meet Plask – Plask – AI Motion Capture and 3D Animation Tool」より）（画像はYouTube「Meet Plask – Plask – AI Motion Capture and 3D Animation Tool」より）（画像は

Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 米イリノイ大学アーバナ・シャンペーン校の研究チームが開発した「JoJoGAN: One Shot Face Stylization」は、入力した1枚の顔画像を漫画「ジョジョの奇妙な冒険」のキャラクター風に変換する機械学習フレームワークだ。「空条承太郎」など、作中のキャラクタースタイルに似せた顔に変換する。このフレームワークは、大量のペア画像データセットを使わず、1枚の顔画像から学習できる特性を持つ。 画像をスタイル変換するモデルは、大量のペア画像データセットを必要とするが、そのデータを準備するにはコストがかかる。数枚の画像からスタイル変換する研究も報告されているが、詳細なスタイルや多様性を

Qiitaからのお引越し記事です。 目標 ステレオカメラ 概要 特徴 使用製品 パターンプロジェクションカメラ 概要 使用製品 iPhone ゾゾスーツ 工業製品(Ensenso, キーエンス) Time of Flight LiDAR Time of Flightの原理 特徴 スキャン型LiDAR フラッシュ型LiDAR 製品 Velodyne Series 追記 Livox Horizon iPhone iToF LiDAR 目標 通常のカメラは物体の明るさ、色を抽出するのに対し、距離センサは物体までの距離をセンシングします。そのため3DカメラやDepth Sensorなどと呼ばれたりします。 距離を知ることは多様なアプリケーションにおいて重要であり、例えば自動運転では前方車両までの正確な距離を知ることは必須です。またゲームなどのアプリケーションでは人の動作などを距離センサで抽出するK

全体像 全体としてはこんな感じです。レンズを通して顔の像を作るところは光学の世界、センサ面に結像された像を読み取る電子の世界。そして、センサと PC の橋渡しを USB で行う通信の世界、受け取ったフレームを処理するソフトウエアの世界、という流れで説明していきます。 物理（光学）の世界～一眼とWebカメラ（とスマホ）の違い～ 一番大きな違いは設計思想そのものです。レンズとセンサの大きさ、撮影設定などの柔軟性などに現れています。 一眼レフ：でっかいレンズ × でっかいセンサ ＝ つよい Web カメラ：写ってればいいでしょレベル～産業用レベル スマホ：目的ごとに複数のカメラモジュールを用意したりソフトで後処理したり。ともかく小さく薄く。 光学の世界で大事なことを一つだけ（機種選択の基準として） ピント合わせ の方式はどうなっているか？ マニュアルフォーカス　→　自分でリング回す：ピント合わせ

サッカーの試合でボールを追跡するはずのAIカメラ、審判のスキンヘッドを追いかけ生配信2020.11.03 08:00208,130 岡本玄介 不毛なストリーミングでした。 スコットランドのサッカーチームであるインヴァネス・カレドニアン・シッスルFCが、人間のカメラマンの代わりにAIを使ってボールを追いかけ、生配信するシステムを導入しました。ですがAIは、ボールではなく審判のスキンヘッドばかりを追跡することに…。 Video: Chuckiehands / YouTubeこれは対エアー・ユナイテッドFC戦で、シーズンパス保有者と試合のチケットを買った人たち限定で生配信された試合でした。強い逆光だったからなのか、ボールも審判の頭頂部も光り方が似ていますよね。 コロナ禍で無人カメラを導入したものの…この技術は、スコットランドのカレドニアン・スタジアムに設置された｢Pixellotカメラ・システム

kougaku @kougaku This is the spinning dancer illusion made by the blackest paint. Does it look clockwise? or counterclockwise? pic.twitter.com/epIzA5eX1D 2020-06-06 01:08:34 リンク KoPro 世界一黒い水性塗料 黒色無双シリーズ 光陽オリエントジャパンの世界一黒い水性アクリル塗料「黒色無双」。欧米からの要求に応え、Reach、RoHSなどの環境規制に配慮した配合変更を行い、10月10日より「真・黒色無双」へとバージョンアップいたしました。 植毛布やベルベットに匹敵する圧倒的な光吸収性能を、塗装環境を選ばない水性塗料で実現した、世界に類を見ない製品です。 光学製品への活用はもちろん、模型製作やアートなど、様々な用途にお

佐藤弥 こころの未来研究センター特定准教授らの研究グループは、日本人65人を対象として、表情の表出を調べ、日本人の表情が心理学研究において著名なエクマン博士の理論とは異なることを実証しました。 表情は感情を表すメディアで、人のコミュニケーションに不可欠です。エクマンは、感情を表す普遍的な表情があるという理論を提案しました。理論は、観察や直感に基づいていましたが、基本感情の表情表出を実証的に調べた先行研究は、この理論を部分的にしか支持していませんでした。さらに、そうした研究は今まで、西洋文化圏でしか実施されていませんでした。 本研究では、被験者は基本6感情（怒り・嫌悪・恐怖・喜び・悲しみ・驚き）のシナリオに基づいて表情を表出しました。その結果、写真条件ではターゲットの感情が明確に表出されましたが、シナリオ条件では幸福と驚きの条件でしかターゲット感情ははっきりと表出されませんでした。さらに、写

写真や動画を手書きアニメ風に加工するiOSアプリ「Olli」がプロの漫画家やイラストレーターも反応するなど、Twitterで注目を集めています。アプリの価格は240円。 元動画は【こちら】 アプリ自体は2017年4月にリリースされたものでしたが、2018年11月5日の深夜、イラストレーターの大槍葦人さんが「このアプリ面白い。っていうか勉強になる」と、自らの手を撮影した線画風動画を投稿し10万件近い「いいね」を集めたことから知名度が急上昇しました。 画像加工アプリは多数存在しますが、Olliの特徴はなんといっても人間味のある線や色合い。大槍葦人さんも「このソフトの凄さって、人間が拾いそうな線を拾うところなんですよね。不思議なほど人間が描いた絵っぽい」と、アプリの性能に言及しています。 Olliはフィルター付きの状態でリアルタイムに撮影することも、カメラロールからインポートして加工することも可

画像に透かしを入れることが無意味に。NVIDIAがノイズも透かしも除去できる技術を開発2018.07.14 22:0027,961 たもり 便利な技術ではあるけれど…。 写真の無断転載を防ごうと、今のフォトグラファーたちはすでに苦しい戦いを強いられています。しかし、NVIDIA（エヌビディア）の新技術によって、オンライン上の写真を守ることはさらに難しくなりそう。というのも、NVIDIAは写真に施されたテキストや透かし、そしてノイズを取り除くことができる人工知能を開発したからです。 先日、NVIDIAはフレームを補完して滑らかなスローモーションを生成する技術を発表しました。これは正しいアウトプット（正しいスローモーション動画）を理解できるように、あらかじめ何千もの動画を学習していました。 しかし今回、NVIDIAとMITそしてフィンランドのアールト大学の研究者らは、同じ画像を2バージョン（ど