先日、バイトダンスは、オーディオ条件付き潜在拡散モデルを利用してより正確なリップシンクを実現することを目的とした、LatentSyncという新しいリップシンクフレームワークを発表しました。このフレームワークはStable Diffusionをベースに、時間的一貫性を最適化しています。従来のピクセル空間拡散や2段階生成の方法とは異なり、LatentSyncはエンドツーエンド方式を採用し、中間モーション表現を必要とせず、複雑なオーディオとビジュアル間の関係を直接モデル化できます。LatentSyncの

最近のAWS re:Inventカンファレンスで、Stable Diffusion 3.5 Large（SD3.5 Large）がAmazon Bedrockプラットフォームで正式に利用可能になったことが発表されました。AWSのフルマネージドプラットフォームであるBedrockは、開発者がジェネレーティブAIアプリケーションを構築および拡張するための基盤モデルを提供することを目的としています。Stability AIは、SD3.5 LargeをAmazon Bedrockに導入することで、

Stability AIは、Stable Diffusion 3.5 Largeの新バージョンを正式リリースし、Blur、Canny、Depthの3種類のControlNet機能を追加しました。このアップデートにより、ユーザーはより強力な画像生成能力を得ることができ、生成される画像はより豊かで多様になります。Stability AIによると、このモデルのリリースはコミュニティライセンス契約に基づいており、非営利目的での無料使用が許可されています。

Stability AIは最近、最新のテキストから画像への深層学習生成モデルであるStable Diffusion 3.5を発表しました。このバージョンには、研究者、企業顧客、愛好家など、さまざまなユーザーのニーズに対応するために、3つの改良されたオープンソースモデルが含まれています。中でもStable Diffusion 3.5 Largeは、パラメーター数が81億個と、シリーズ全体で最も強力なモデルです。このモデルは、卓越した画像品質とプロンプトへの高い応答性により、プロフェッショナルユーザーに最適です。

Stability AIが技術的障壁を再び突破し、新しいStable Diffusion 3.5 Mediumモデルを発表しました。この一般ユーザー向けのAIペイントツールは、完全に無料で商用利用が可能であるだけでなく、高性能と普及性の完璧なバランスを実現しています。多様なモダリティ拡散変換器（MMDiT-X）アーキテクチャを採用したこのモデルは、25億パラメータの簡素な設計により、一般ユーザーのハードウェアのハードル問題を巧みに解決しました。わずか9.9GBのVRAMで、ほとんどの消費者向けグラフィックカードでスムーズに動作します。

昨日夜、Stability AIは、その最強のモデルであるStable Diffusion 3.5を発表しました。これは単一のモデルではなく、研究者からビジネス愛好家、スタートアップ企業、企業まで、多様なニーズを満たすことを目的とした3つのバージョンを含むファミリーパックです。この3つのバージョンは、Stable Diffusion 3.5 Large、Stable Diffusion 3.5 Large Turbo、そして10月29日にリリース予定のバージョンです。

智源研究院のEmu3チームは、全く新しいマルチモーダルモデルEmu3を発表しました。このモデルは、次のトークン予測のみを基にトレーニングされており、従来の拡散モデルや複合モデルのアーキテクチャを覆しています。生成タスクと認識タスクの両方で最先端の性能を達成しています。長らく、次のトークン予測は人工知能の汎用人工知能（AGI）への道筋として期待されてきましたが、マルチモーダルタスクでは不十分な結果に終わっていました。現在、マルチモーダル分野では、Stable Diffusionなどの拡散モデルが依然として主流です。

最近の研究では、人間の注意を活用してAI生成画像の品質を向上させる新しい手法が提案されました。この手法は、顕著性検出器を用いて画像の中で最も重要な領域を特定し、それらの領域の生成を優先的に行います。従来の画像生成手法は画像全体を均一に最適化しますが、この新しい手法は、人間と同様に、顕著性検出器を用いてより「重要」な領域を特定し、優先的に処理します。この手法により、画像の品質とテキストプロンプトの忠実度を向上させることができます。研究者らは、Stable Diffusionモデルと顕著性検出器を用いて画像を生成し、...

Redditユーザーが、偽のAI生成女性ヌード写真に料金を支払っていたことが報じられました。これらの写真はAIツールStable Diffusionによって作成され、非常にリアルで判別が困難です。数ヶ月前に複数のRedditフォーラムにこれらの画像が初めて登場し、多くのユーザーの注目とコメントを集めました。Stable Diffusionで生成された美女の写真に、あるユーザーはClaudiaの写真を見て「あなたは本当に美しい！」とコメントするなど。

メキシコシティのスタートアップ企業Somewhere Somebodyは、人工知能でデザインされたサッカーユニフォームがアディダスの注目を集め、テクノロジーと伝統工芸の融合を示しました。AI画像生成技術を用いて革新的な製品コンセプト図を作成し、特にメキシコの伝統的な刺繍をアディダスのスタイルのナショナルチームユニフォームに融合させたデザインが世界的な注目を集めました。このデザインは、製品の魅力を高めるだけでなく、3000人以上の職人に対し経済的自立の機会を提供し、潜在的には15000人に影響を与えます。アディダスの参入は、限定版の…

ドイツの研究機関LAIONが、児童性的虐待素材（CSAM）への疑わしいリンクを削除したと主張する新しいデータセット、Re-LAION-5Bを生成・公開しました。このデータセットは、以前のデータセットLAION-5Bを修正したもので、インターネット・ウォッチ財団、ヒューマン・ライツ・ウォッチ、カナダ児童保護センター、スタンフォードインターネット観察所の提案を採用しています。Re-LAION-5Bは、ResearchとResearch-Safeの2つのバージョンに分かれており、後者はNSFWコンテンツがさらに削除されています。このデータセットは、〜を支援することを目的としています。

RunwayがHugging FaceプラットフォームからStable Diffusion v1.5を含むコードリポジトリを密かに削除したことが、テック業界で大きな注目を集めています。Hugging Faceやコミュニティへの事前の通知なく削除されたため、これらのリソースに依存する開発者や研究者らが混乱に陥っています。Stable Diffusion v1.5はRunwayが関与した研究プロジェクトであり、関連論文でも重要な位置を占めていました。しかし、このバージョンは著作権問題により...

ViPerは、Midjourneyのように、ユーザーとのインタラクションを通じてユーザーの芸術的な好みを学習し、適用することを目的としたパーソナライズされた画像生成ツールです。ユーザーによる画像へのコメントを分析することで、ViPerは「柔らかい色合い」、「ぼんやりとした光」、「夢のような雰囲気」などの好みを認識し、新しい画像を生成する際の指針として利用し、ユーザーが好まない要素を回避します。これにより、ViPerはユーザーの美的感覚に合致し、個性的なスタイルを反映した画像を作成し、ユーザーに独自の芸術的創作体験を提供します。オンライン体験アドレス：h

Googleの研究チームが、Alchemistと呼ばれる画期的な技術を発表しました。この技術により、ユーザーは専門的なソフトウェアやスキルを必要とせずに、画像内の物体の材質属性（色、光沢、透明度など）を正確に編集できます。その核心は「テキストツーイメージ」生成モデルであり、微調整と合成データセット（3Dモデル、様々な材質、カメラアングル、照明条件を含む）の作成を通じて、指定された材質属性のみを変更し、形状と照明は維持することを学習しています。実験では、この技術が写真のようなリアリティと…

スタンフォード大学とカリフォルニア大学バークレー校の研究者らが、AI画像生成モデルが自身の生成した画像で再学習を行う結果を検証する実験を行いました。実験ではStable Diffusion（SD）モデルを使用し、FFHQ顔データセットから高品質な顔画像を選択して自動生成を行いました。その結果、AIモデルは再学習後、高度に歪んだ画像を生成することが判明しました。この歪みは再学習に使用されたテキストプロンプトだけでなく、その後、現実の画像のみを使用して再学習を行ってもモデルに残存することが分かりました。

Stability AIは、最近の論争を受けてStable Diffusion 3のライセンスを緩和し、更新されたライセンス条項に対するユーザーからの反発を鎮めようとしています。当初のリリースには制限的な条件が含まれており、特にCivitAIプラットフォームでコミュニティからの反発を招きました。批判を受けて、Stability AIは以前よりも寛容なコミュニティライセンスを発表し、SD3モデルを研究および非商業目的で無料で使用することを許可しました。企業利用についても、年間…まで追加の緩和範囲を提供しています。

先日、AI研究機関Artificial Analysisは、これらのモデルのパフォーマンスを包括的に評価することを目的とした、Artificial Analysis Text to Image Leaderboard & Arena（テキストから画像へのランキングとアリーナ）という新しい取り組みを発表しました。

画像生成器Stable Diffusionで注目を集める英国の人工知能企業Stability AIだが、事業面での苦戦が続いている。