先日、開発者scraedがGitHub上でLanPaintを公開しました。これは、追加のトレーニングなしで画像修復を行うツールです。このツールは、ユーザーが独自のモデルを含むあらゆる安定拡散モデル（SD）で高品質の画像修復を実現することを目的としています。LanPaintは、ノイズ除去の前にモデルに「思考」させることで、よりシームレスで正確な修復結果を得ます。LanPaintの主な特徴の一つは、ゼロトレーニング修復です。ユーザーはすぐに…

A Tencent anunciou o lançamento de código aberto de sua nova estrutura de geração de vídeo a partir de imagem — HunyuanVideo-I2V. O lançamento deste modelo representa mais um avanço importante após o sucesso do lançamento de código aberto do HunyuanVideo, e visa impulsionar a exploração aprofundada da comunidade de código aberto. O HunyuanVideo-I2V incorpora tecnologias avançadas de geração de vídeo, permitindo a transformação de imagens estáticas em conteúdo de vídeo dinâmico, oferecendo mais possibilidades aos criadores. O HunyuanVideo-I2V utiliza um pré-treinamento...

人工知能分野において、画期的な技術が静かに台頭しつつあります。先日、Inception LabsはMercuryシリーズ拡散型大規模言語モデル（dLLMs）を発表しました。これは、高速かつ効率的に高品質なテキストを生成することを目指した次世代言語モデルです。従来の自己回帰型大規模言語モデルと比較して、Mercuryは生成速度が最大10倍向上し、NVIDIA H100 GPU上で毎秒1000トークンを超える速度を実現しています。これは…

先日、Meta Reality Labsの研究チームは、一枚の任意に撮影された写真から、最大1000ピクセルの高解像度の密集した回転ビデオを生成できる革新的な生成モデル「Pippo」を発表しました。この画期的な技術は、コンピュータビジョンと画像生成分野における重要な進歩を示しています。Pippoモデルの中核は、その多視点拡散変換器のデザインにあります。従来の生成モデルとは異なり、Pippoは追加の入力、例えば適合パラメータなどを必要としません。

近年、大規模データセットと事前学習済み拡散モデルのおかげで画像再照明技術は進歩し、一貫性のある照明の適用がより一般的になりました。しかし、ビデオ再照明の分野では、高額なトレーニングコストと多様で高品質なビデオ再照明データセットの不足により、進歩は比較的遅れています。画像再照明モデルをビデオにフレームごとに適用するだけでは、光源の一貫性のなさや再照明された外観の一貫性のなさが原因で、最終的に生成されたビデオにちらつきが生じるなど、様々な問題が発生します。この問題を解決するために、研究チームはLight-Aを提案しました。

奇安信XLab研究所は2月6日、DeepSeekユーザーを標的とした大規模なフィッシング攻撃に関する最新のセキュリティレポートを発表しました。レポートによると、DeepSeekを偽装したフィッシングサイトの数は2000件を超え、増加し続けています。2024年12月1日から2025年2月3日の間に、DeepSeekを偽装したドメインが2650件発見されました。この偽装ドメイン登録活動は2025年1月26日に始まり、1月28日にピークに達しました。増加速度は…

ニューヨーク大学、マサチューセッツ工科大学、Googleの研究チームは最近、拡散モデルにおける推論時間のスケーリングにおけるボトルネック問題に対処することを目的とした革新的なフレームワークを発表しました。この画期的な研究は、従来の単純なノイズ除去ステップの増加という方法を超え、生成モデルの性能向上のための新たな道を切り開きます。このフレームワークは主に2つの次元から展開されます。1つは検証器からのフィードバックを利用すること、もう1つはより最適なノイズ候補を発見するためのアルゴリズムを実装することです。研究チームは、256×256解像度の事前学習済みSiT-XLモデルをベースに、250回の固定ノイズ除去ステップを維持しながら…

ゲーム開発において、シーンの多様性と創造性は長年の課題でした。最近、香港大学と快手科技は共同で、GameFactoryという革新的なフレームワークを開発しました。これはゲーム動画生成におけるシーン汎化問題を解決することを目指しています。このフレームワークは、事前学習済みのビデオ拡散モデルを利用し、オープンワールドの動画データでトレーニングすることで、新しく多様なゲームシーンを生成できます。ビデオ拡散モデルは、高度な生成技術として近年、動画生成や物理シミュレーション分野で大きな可能性を示しています。

マイクロソフトリサーチは、特定の特性を持つ新素材を生成できる強力な人工知能システムMatterGenを発表しました。これは、バッテリーやソーラーパネルなどの重要技術の開発を加速する可能性があります。MatterGenの登場は、科学者による新素材発見の方法に根本的な変化をもたらします。従来の方法とは異なり、MatterGenは数百万もの既存化合物をふるいにかけるのではなく、必要な特性に基づいて新素材を直接生成します。これは、AI画像生成器がテキストの説明から画像を生成するのと同様です。

人工知能技術の急速な発展に伴い、AIによって生成されたテキスト、画像、ビデオは様々な分野でますます高度に活用されるようになっています。しかし同時に、信頼性に関する危機も発生しており、虚偽情報の拡散が社会に潜在的な脅威をもたらしています。この課題に対処するため、騰訊は先日、AI技術を用いてAIによる虚偽情報を識別することを目的とした、新たなAI生成コンテンツ検出ツールを発表しました。このツールは騰訊の朱雀实验室によって開発され、AI生成テキスト検出システムとAI生成画像検出システムの2つのシステムで構成されています。騰訊は公式に発表で、

アップル社が最近発表したAIニュース要約機能が、速報ニュースの要約において重大な誤りを繰り返し、ユーザーに大量の虚偽情報が伝わる事態を引き起こしている。この機能の発表以来、多くの報道機関やユーザーから、アップルの技術が未成熟であり、正確な情報を効果的に提供できないとして強い反発を受けている。ワシントンポスト紙のテクノロジーコラムニスト、ジェフリー・ファウラー氏がソーシャルメディアで、アップルのAIがニュース要約において事実を歪めたと投稿したと報じられている。

最近、MangaNinjaという線画着色手法が注目を集めています。線画と参照画像を入力するだけで、参照画像に基づいて対象の線画を着色できます。この技術は拡散モデルに基づいており、参照画像による線画着色に特化することで、着色の精度とインタラクティブな制御能力を大幅に向上させています。研究チームは2つの革新的な設計により、キャラクターの詳細な再現を確実にしています。まず、参照カラー画像と対象線画間の対応学習を促進するためのパッチ再配置モジュールを導入しました。次に、点駆動…

巨量エンジンのAIGCツール「即創」の正式版がリリースされました。AIによる脚本生成、インテリジェントな動画制作、デジタルヒューマン、商品カードなど、多様なコンテンツ形式をサポートするだけでなく、「ヒットコンテンツ拡散」や「ワンクリック承認」などの新機能も追加されました。\n「即創」プラットフォームは深層学習と自然言語処理技術を活用しており、ユーザーがテーマを入力するだけで、高品質のテキストと動画コンテンツをリアルタイムで生成できます。インテリジェントな動画制作技術により、脚本をワンクリックで動画に変換し、デジタルヒューマンを生成してコンテンツのインタラクティブ性を高めることができます。この革新的な機能は…

デジタルメディアが急速に発展する現代において、動画の高画質化と修復は注目を集めるテーマとなっています。動画制作の普及に伴い、動画の画質に対する要求はますます高まっていますが、多くの動画は制作時や配信時に様々な要因によって、ぼやけや細部の欠落などの問題が生じています。この課題を解決するため、南洋理工大学とバイトダンスの研究チームは、SeedVRという革新的な動画修復技術を開発しました。SeedVRは最先端の拡散変換器（Dif

一枚の画像から、高品質で広視野角の3Dシーンを効率的に生成することは、長年にわたる研究課題でした。従来の手法は、多くの場合、多視点データに依存したり、シーンごとの最適化に時間を要したり、背景の品質や未観測領域の再構築に課題がありました。既存技術は、単一視点からの3Dシーン生成において、情報の不足から遮蔽領域の誤りや歪み、背景のぼやけ、未観測領域の幾何構造の推定困難といった問題を抱えています。回帰に基づくモデルは、新しい視点の合成を順伝播方式で行うことができますが、複雑なシーンでは…

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

先日、阿里巴巴達摩院の研究チームは、重要な研究成果である「SHMT：自己教師あり階層的メイクアップ転移」を発表しました。この論文は、国際トップレベルの学術会議NeurIPS2024に採択されています。この研究は、潜在拡散モデル（Latent Diffusion Models）を利用して正確なメイクアップ画像生成を実現する、新しいメイクアップ効果転移技術を示しており、メイクアップアプリケーションと画像処理分野に新たな活力を注入しています。簡単に言うと、SHMTはメイクアップ転移技術であり、

人工知能分野において、バイトダンスの商業化技術チームによる最新の成果であるInfinityモデルは、その卓越した性能と革新的な技術で、自己回帰型テキストツーイメージ分野における新たな王者となりました。この新たにオープンソース化されたモデルは、画像生成の質においてStable Diffusion 3を凌駕するだけでなく、推論速度においても顕著な優位性を示しています。Infinityモデルの中核となる革新は、Bitwise Tokenの自己回帰フレームワークを採用している点にあります。このフレームワークは、次のレベルの解像度における+1または-1を予測することで構成されています。

最近、研究者らが革新的なAIシステム「DiffSensei」を開発しました。これは、文章で書かれた物語を自動的に漫画風に変換することができます。このシステムは、キャラクターの外観の一貫性を維持するだけでなく、漫画ページのレイアウトも制御でき、AIが漫画制作分野で持つ大きな可能性を示しています。このプロジェクトは、北京大学、上海人工知能研究所、南洋理工大学が共同で開発したもので、拡散モデルと大規模言語モデルを組み合わせ、漫画制作における視覚と物語の要素を処理することを目指しています。DiffSenseiの…

テキストから画像を生成する分野において、拡散モデルは比類のない能力を示していますが、美的画像生成においては依然として課題が残っています。最近、バイトダンスと中国科学技術大学は、生成画像の品質を向上させ、様々な視覚概念に対する汎用性を維持することを目的とした、新しい技術「Cross-Attention Value Mixing Control（VMix）アダプター」を発表しました。VMixアダプターの核心は、優れた条件制御を設計することにあります。