先日、マイクロソフトリサーチはワシントン大学、スタンフォード大学、南カリフォルニア大学、カリフォルニア大学デービス校、カリフォルニア大学サンフランシスコ校の研究者らと共同で、LLaVA-Radを発表しました。これは、臨床放射線医学レポート作成の効率向上を目指した、新しい小型マルチモーダルモデル（SMM）です。このモデルの発表は、医学画像処理技術の大きな進歩を示すだけでなく、放射線医学の臨床応用にも新たな可能性をもたらします。バイオメディカル分野では、大規模基礎モデルに基づいた研究が進展しています。

GoogleのGemini AIは最近、複数のビジュアルストリームを同時に処理できるという目覚ましい技術的進歩を遂げました。これはAI分野において前例のない成果です。この機能は、Googleの主要プラットフォームではなく、「AnyChat」という実験的なアプリケーションを通じて公開されました。Gemini AIのこの新たな能力により、リアルタイムで動画を視聴するだけでなく、静止画を同時に分析することも可能になり、これまでAIが単一のビジュアル入力しか処理できなかったという制限を打破しました。

Microsoftは、定番のペイントアプリをアップデートし、AIベースの消去機能を追加しました。これにより、画像処理が大幅に容易になります。この機能は、削除したい要素をマウスで選択するだけで、AIが自動的に認識して消去するため、従来の画像処理の手間を省けます。2ヶ月間のテストを経て、この新機能は全ユーザーに正式リリースされました。Microsoft Storeで最新バージョンにアップデートすれば、無料で利用可能です。ただし、AIモデルの特性上、

今年5月と9月に2度の値下げを実施した後、アリババクラウドは再び大規模言語モデルの価格改定を発表し、今年3度目の値下げとなります。今回の値下げ幅は非常に大きく、通義千問シリーズの画像認識モデル全線が80％以上値下げされました。特に、Qwen-VL-Plusモデルは81％値下げされ、入力価格はわずか0.0015元/千tokensと業界最安値を達成しました。より高性能なQwen-VL-Maxも85％値下げされ、0.003元/千tokensとなりました。

デジタルアートの発展に伴い、自動化された画像処理技術がますます注目されています。最近、清華大学とテンセントARC研究所の研究チームは、ColorFlowと呼ばれる新しい画像列彩色モデルを発表しました。このモデルは、白黒画像列を彩色する際に、キャラクターや物体の識別の一貫性を維持することを目的としており、漫画やアニメーションなどの業界のニーズに応えます。ColorFlowは3段階の拡散基礎フレームワークであり、コンテキスト情報を十分に活用し、参照画像プールを通じて白黒...

北京智譜華章科技有限公司は、傘下の智譜オープンソースプラットフォームBigModelで、初の無料マルチモーダルAPIであるGLM-4V-Flashをリリースしたと発表しました。この新しいモデルは4Vシリーズモデルの優れた能力をベースに、画像処理の精度を向上させ、様々な分野で開発者が大規模言語モデルを深く掘り下げる際のハードルをさらに下げました。

妙刷はAIビジョン技術に基づいた創造的なアプリケーションで、ユーザーにシンプルで使いやすい創作ツールを提供することにより、誰もが簡単にアイデアを現実のものにすることを目指しています。妙刷は強力なAI機能を一つのプラットフォームに統合し、画像処理、テキスト生成画像、音声視覚化、動画制作など、多様な機能を提供します。妙刷最大の特長は、芸術創作のハードルを下げることです。創作経験のない一般ユーザーでも、AI技術を利用して、日常生活の些細な素材をユニークな芸術作品に変換できます。例えば、ユーザーは…

画像処理技術が日々進化を続ける中、Fluxアーキテクチャに基づくIC-Light V2が登場しました。16チャンネルVAEとネイティブ高解像度特性により、デジタル画像処理に革命的なブレークスルーをもたらします。この次世代モデルは、ディテール再現において前作をはるかに凌駕するだけでなく、画像処理の精度を新たな高みに引き上げます。多用途な画像処理ツールとして、IC-Light V2は驚異的な適応性を示します。油絵画からアニメ風の画像まで、あらゆるスタイルの画像を自在に処理します。

人工知能の急速な発展において、ORYXというマルチモーダル大規模言語モデルが、AIによる視覚世界の理解能力に対する認識を静かに変えつつあります。清華大学、テンセント、南洋理工大学などの研究者によって共同開発されたこのAIシステムは、画像処理分野におけるトランスフォーマーと言えるでしょう。ORYX（Oryx Multi-Modal Large Language Modelsの略）は、画像、ビデオ、3Dシーンの时空理解を処理するために特別に設計されたAIモデルです。その核心は…

RapidLayoutRecoverは、スキャンしたドキュメントやPDFページを、編集可能なWordやTXTテキスト形式に効率的に変換するために設計された、革新的なドキュメント画像処理ツールです。その最大の利点は、インテリジェントな自動認識機能であり、テキスト、表、数式などの要素を正確に認識し、レイアウト分析とコンテンツ抽出を自動的に行うことで、ユーザーの時間と労力を大幅に削減します。ツールは、ドキュメントの方向を迅速に分類し、詳細なレイアウト分析、文字、表、数式の認識を行い、ドキュメント画像から構造化されたTXTまたはWord文書への変換を実現します。

Googleがオープンソース化したRB-Modulationモデルは、AI画像処理分野で注目を集めています。その主な特徴は、トレーニングフリーのパーソナライゼーション、高忠実度、強力なスタイル記述能力、および適応性です。このモデルは、追加のトレーニングなしで高品質な画像スタイルのパーソナライズされたカスタマイズを実現し、主要な画像生成モデルを直接サポートします。その核心となるのは、革新的なAttention Feature Aggregation（AFA）モジュールであり、スタイルの漏洩問題を効果的に解決し、生成された画像のスタイルの純粋性を保証します。技術的な側面では、RB-Modulationは…

Metaは、Android版WhatsAppの新機能をテストしています。これは、Meta AIによる画像処理機能の強化を目的としています。このテスト版では、ユーザーはMeta AIに直接写真を送信して質問したり、テキストで画像を編集したりできます。これにより、AIが日常会話やコンテンツ作成により深く統合されます。これは、MetaがWhatsAppへのAI導入を強化する取り組みの一つであり、以前にはパーソナライズされたアバターの作成などの複数の画像生成機能が導入されています。テスト段階ではまだ一部機能が公開されていません。

ClipflyはFotorが発表したワンストップAI長尺動画プラットフォームで、AIによる動画生成、強化、編集機能を複数搭載し、ユーザーによる動画制作プロセスの全体を支援します。Clipflyの設計理念は動画制作プロセスの簡素化であり、ユーザーはプロンプトに従って画像フレームを生成し、それを動画クリップに変換することで、最終的に完成度の高い動画を作成できます。ClipflyはStable Diffusionなどのオープンソースモデルと連携することで、動画クリップの品質を向上させ、クリエイターの体験ニーズを満たしています。半年におよぶ開発期間を経て、Clipfl

YouTubeブロガー「Greenskull AI」がAdobe Fireflyを使用してラスベガスのネット有名スポットの球体をオンラインで修正し、再生回数は330万回を突破しました。Adobe Fireflyはテキストから画像生成、クリエイティブフィルなどの6つの新機能を追加し、AIによる画像処理の進歩を示しています。動画ではAIの制御能力の向上が示され、ユーザーはネガティブプロンプトでAIをガイドし、最終的な出力をより適切に制御できます。この独創的な試みは、視聴者にAI技術への深い理解をもたらしました。

美図と中国移動雲盤が戦略的提携を結び、クラウド規模とクラウド価値の拡大を目指します。中国移動雲盤は美図のAI画像処理機能を利用できるようになります。この提携により、より多くのクラウドベースの画像処理機能を提供し、産業チェーンのデジタル経済の融合と高品質な発展を推進します。クラウドベースのデジタル消費の新たなシナリオを構築します。

ChatGPTがiOSとAndroidプラットフォームで音声対話機能を提供開始。ユーザーは5種類の音声から選択して直接音声で対話できます。画像処理機能では、ユーザーが画像をアップロードすると、ChatGPTが画像の内容を分析して応答します。OpenAIは、悪用を防ぐため、新機能のリスク軽減策を段階的に整備していくとしています。新機能は今後2週間以内にPlusユーザーと法人ユーザー向けに展開予定です。

千万級のフォロワーを持つインフルエンサー「秀才」のアカウントが停止されたことを受け、小紅書ブロガーがAI技術を用いて「秀才」の油っぽさを除去し称賛されたことが、AI技術の画像処理における優位性と応用可能性を示している。