中国で開発されたオープンソースの画像生成モデル、CogView4が智譜よりリリースされました。中国語のプロンプト、特に漢字を用いた指示にも対応し、精度の高い画像生成を実現しています。

北京智譜華章科技有限公司は、漢字の生成に対応した初のオープンソース文描画モデルCogView4を発表しました。このモデルはDPG-Benchベンチマークテストにおいて総合スコアで1位を獲得し、オープンソース文描画モデルのSOTA（State of the Art）となりました。Apache2.0ライセンスに準拠しており、このライセンスに準拠した最初の画像生成モデルでもあります。

カナダのAI画像生成企業Ideogramは本日、新しい画像モデルIdeogram2aを正式にリリースし、Ideogramのウェブサイト、API、およびパートナーシッププラットフォームで全面的に利用可能になったと発表しました。この発表はXプラットフォームで瞬く間に話題となり、AIによるテキストから画像生成分野における重要なアップグレードと見なされています。Ideogram2aは、より高速な生成速度、より低いコスト、および最適化されたグラフィックデザインと写真機能により、世界中のクリエイターや開発者の注目を集めています。

ドイツの人工知能スタートアップ企業であるBlack Forest Labs（ブラックフォレストラボ）は最近、FLUX ProファインチューニングAPIを発表しました。このAPIを使用することで、わずか5枚のサンプル画像を使用してFLUX Pro AI画像モデルをカスタマイズし、特定ブランドの視覚スタイルに合わせることが可能です。Black Forest Labsによると、ファインチューニング後もモデルは柔軟性を維持し、ユーザーが提供するコンテンツを新しい画像制作に統合できます。このシステムは…

近年、人工知能技術は飛躍的な進歩を遂げ、画像生成分野でも顕著な成果を上げています。しかし、ほとんどのモデルは人物肖像を生成する際に、中国人の容貌の特徴や美的嗜好を正確に捉えることが難しいことがよくあります。そこで、FLUX.1-devをベースとした人工知能モデルAWPortraitCNが誕生しました。このモデルは、中国人の容貌と美学により近い肖像画像の生成に特化しています。AWPortraitCNモデルは、室内外の肖像、ファッション写真、スタジオ写真など、多様なタイプの肖像画像でトレーニングされています。

ドイツ工科大学ダルムシュタット校の最新の研究は、興味深い現象を明らかにしました。最先端のAI画像モデルでさえ、単純な視覚推論タスクで明らかな誤りを犯すということです。この研究結果は、AIの視覚能力の評価基準に新たな視点をもたらします。研究チームは、ロシアの科学者ミハイル・ボンガードが考案したボンガード問題をテストツールとして使用しました。この種の視覚パズルは、12枚の単純な画像で構成され、2つのグループに分けられ、両グループを区別する規則を識別することが求められます。

OpenAIは最近、sCM（Simplified, Stable, and Scalable Consistency Model）と呼ばれる画期的な技術を発表しました。この革新的な技術は、AI画像モデルのトレーニング方法を根本的に変えました。既存のコンシステントモデル（CMs）を基に大きな進歩を遂げ、高速な画像生成を切り開きました。技術的な主な利点は次のとおりです。高品質な画像をわずか2ステップの計算で生成A100GPUで1枚の画像を生成するのにわずか0.11秒従来の拡散モデルと比較して、速度が50倍に向上最大15億のパラメータを持つ巨大モデルを実現

Civitai Greenサイトのローンチは、プラットフォームが純粋でプロフェッショナルなAIアート創作環境への転換を示しています。アダルトコンテンツを完全に排除し、クリエイターに安全で適切な画像とモデルリソースを提供することで、職場でのユーザーエクスペリエンスを向上させました。Civitai Greenを通じて、プラットフォームはリソースの高品質と多様性を確保するだけでなく、より効率的な決済プロセッサーPaddleを導入し、ユーザーの決済体験を最適化しました。この変革は、プラットフォームの商業化促進だけでなく、作品共有を通じてコミュニティエコシステムの強化にも貢献します。

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。

このモデルはスマートフォンで動作するのに十分なほど小さく、テキストプロンプトに応じてフレームをリアルタイムで再レンダリングするのに十分な速さです。同氏は、生成AI画像拡散モデルの登場はエキサイティングだが、これらのモデルは拡張現実(AR)に大きな影響を与えるには速度が大幅に向上する必要があるため、Snapのチームは機械学習モデルの高速化に取り組んできたと述べています。

MITとGoogleの研究者らが共同で開発したStableRepは、AI生成画像を用いて、詳細かつ効率的なAI画像モデルを学習させる技術です。多正則化コントラスト学習法を採用し、数百万枚のラベル付き合成画像で学習することで、ImageNet分類において顕著な成果を上げています。一方で、StableRepは画像生成速度が遅い、意味的な不一致が発生する、基盤モデルには実データでの事前学習が必要といった課題も抱えています。この技術はGitHubでオープンソースとして公開されています。