本文へスキップ
IFAI

AI画像

業界タグニュース 1034 件

  3. オープンソース拡散指数 46

    2人の研究所Linumが「Pyramid-JiT」を公開、2.1万ドルでゼロから学習

    2人体制の研究室Linumが、ゼロから学習した20億パラメータの画像生成モデル「Pyramid-JiT」をオープンソース化しました。従来のVAEを使わずピクセル空間で直接画像を生成し、計算コストをわずか2.1万ドルに抑制。文字生成などに制限はありますが、自作拡散モデルのハードルを大きく下げています。

  4. AIツール拡散指数 39

    AI検出のPangramが「Image 1.0」公開、生成画像・動画の特定や偽造箇所のヒートマップ表示に対応

    米Pangramは、AI生成された画像や動画を高精度に判別できる新モデル「Image 1.0」および軽量版「Image Flash 1.0」を正式リリースした。最新の画像生成AIに対応し、画像内の生成箇所をヒートマップで可視化できるほか、動画のフレーム単位分析にも対応する。Chrome拡張機能とAPIも提供されており、SNSやWebサイト閲覧中にリアルタイムで真偽判定が可能だ。

  6. 業界動向拡散指数 38

    OpenAI、レースチームやマツダと提携：3DスキャンからCAD生成や設計探究へ

    OpenAIは、レーシングチームのChip Ganassi Racingと協力し、3Dスキャンデータを編集可能なCADモデルや製造図面に変換する取り組みを進めていると明かしました。さらにマツダともシミュレーションを通じた新車両設計で連携しており、現場のエンジニアがモデル出力の検証と改善を支援しています。

  7. オープンソース拡散指数 45

    1〜2ステップで画像生成できる「NitroFusion 2」公開　ComfyUIでローカル動作

    研究チームが画像生成モデル「NitroFusion 2」をオープンソースで公開した。マルチモーダルテキストストリームに対する敵対的蒸留技術を採用し、従来の数ステップからわずか1〜2ステップでの高品質生成を実現。1ステップでも文字や細部を維持でき、ComfyUIを使って一般GPUで手軽にローカル実行できる。

  8. オープンソース拡散指数 48

    Pruna、動画モデルを画像生成に改造した「P-H3-Image」をオープン公開　8ステップで高解像度出力

    Pruna AIは、動画生成モデルMiniMax-H3をベースにした画像生成・編集モデルP-H3-Imageをオープンウェイトで公開した。アーキテクチャの刷新により50ステップから8ステップへと5倍高速化し、最小20GBまで軽量化。最大1600万画素の出力や8枚の参照画像合成に対応する。

  9. オープンソース拡散指数 59

    LLM向け3DモデリングPythonライブラリ「sand3d」が登場　プロンプトに収まるAPIと10万件のデータセット公開

    Sandflow AIがLLM向け3Dモデリング用Pythonライブラリ「sand3d」をオープンソースで公開した。Blenderを基盤に、手動の座標計算なしでパーツや関節を名前で定義でき、API全体が約3600トークンでプロンプトに収まる。10万点の3Dオブジェクトコードデータセットも同時提供される。

  12. オープンソース拡散指数 48

    Bygga：イケアの紙の説明書を対話型3Dアニメーションに変えるオープンソースツール

    開発者の Nutlope 氏がイケアの組み立て説明書を対話型 3D ガイドに変える「Bygga」を公開しました。1,171 点の製品をオフラインでサポートし、音声操作で「次へ」と進められるため作業中に手を離す必要がありません。未収録製品も Together AI を通じてスキャン・解析可能です。

  13. 画像・動画生成拡散指数 41

    マイクロソフトが画像編集モデル「MAI Image 2.7」発表、ベンチマークで世界2位に浮上

    マイクロソフトは最新の画像編集モデル「MAI Image 2.7」を公開した。Artificial Analysisの画像編集リーダーボードで2位、Arena Editで3位を記録。全10種のユースケースで前世代を上回り、特にシーンやスタイルの編集では次点に24 Eloの差をつけた。現在は編集機能のみ提供されており、画像生成機能も順次追加される予定だ。

  15. AIモデル拡散指数 57

    Google DeepMindが「Genie 4」発表：音声も同時生成する世界モデル

    Google DeepMindはリアルタイム世界シミュレーションモデル「Genie 4」を発表しました。キーボードや自然言語で空間を操作できるだけでなく、環境音や会話音声を世界と同時にネイティブ生成します。Geminiが論理的推論を担い、現在は信頼できるテスター向けに限定公開されています。

  16. AIツール拡散指数 41

    SpAItialがEcho-3を発表：iPhoneで数分スキャン、死角をAI補完し実寸3D空間化

    SpAItialは物理世界モデル「Echo-3」と同社iOSアプリを公開した。iPhoneで数分撮影するだけで、部屋や屋外を高精度な実寸大3D環境へ変換できる。カメラが撮り逃した死角を周囲に合わせて自動補完し、浮遊ノイズを抑えるのが強みだ。シミュレーションやAIエージェント向けAPIも用意され、初月は無料で利用できる。

  17. オープンソース拡散指数 48

    3Dモデリング不要、AI動画で回せる商品Webページを作成する手法がオープンソース化

    デザイナーのAmirMushich氏が、3Dモデリングを使わずにインタラクティブな回転商品ページを作成するWeb手法を公開した。服の参考画像からLTX-2.5 Proで回転動画を生成し、約30フレームに分解してJavaScriptでマウス操作に連動させる仕組みだ。ランタイムでのAI呼び出しや3D描画エンジンが不要で、ECサイトの演出コストを大幅に下げられる。