Reveが画像生成モデル「Reve 2.0」を発表、レイアウト制御で構図を精密指定
Reveは画像生成モデル「Reve 2.0」を発表した。従来のテキスト中間表現の代わりに構造化レイアウトを採用し、各要素の位置や大きさ、属性を厳密に制御する。QwenオープンソースLLMをベースに開発され、競合の10分の1のGPUリソースで学習しながら、時価総額1兆ドル未満の企業の中で評価ランキング首位を獲得したとしている。
AI画像
新しいニュースを見る
マーティン・スコセッシ監督がBlack Forest Labsの顧問に就任、FLUXで絵コンテ制作
画像生成モデル「FLUX」を手掛けるBlack Forest Labsは、映画監督のマーティン・スコセッシ氏を顧問に迎えたと発表した。人間の感性とクラフトを中心に据えた視覚AIの開発を支援する方針で、同氏がFLUXを使って絵コンテを制作する作業セッションも実施された。
TripoAI、2D画像から3Dガウス表現を生成する「TripoSplat」をオープンソース公開
TripoAIが単一の2D画像から最大約26万点の3D Gaussianを生成する「TripoSplat」の推論コードと重みをMITライセンスで公開した。約2000行の最小限の構成でComfyUIにも対応するが、現段階では静物に向いており人物の顔は崩れやすい。
オープンソースUI設計ツール「Impeccable 3.5」公開、AI特有の量産型デザインを撲滅
オープンソースのフロントエンド設計ツールImpeccable 3.5が公開された。AIが生成しがちな画一的配色や極端な文字間隔などの欠陥をモデル別にルール化して抑制し、ブラウザ上でUIを直接編集してソースに反映できるLiveモードのベータ版も提供する。
MAMMA：カメラ 4 台だけで高精度な 3D モーションキャプチャを実現
マックス・プランク研究所と CMU が、マーカー不要の動捕システム「MAMMA」をオープンソース化しました。専用スーツやマーカーを使わず、4 台の通常カメラ映像からダンスや抱擁などの複雑な接触動作を正確な 3D モデルに変換できます。GitHub で推論コードと Web UI が公開中です。
NVIDIAが「SANA-Streaming」公開、RTX 5090で1分間の動画をリアルタイム編集
NVIDIAは動画編集AI「SANA-Streaming」をオープンソースで公開した。20億パラメータのモデルで、動画再生中に服装や背景、スタイルをリアルタイムに編集できる。RTX 5090環境では720p映像を24 FPSで処理可能。コードと学習済み重みはGitHubとHugging Faceで提供されている。
RobloxがCubePartを発表：パーツ単位で分割・命名された3D資産を一発生成
Robloxはパーツ制御に対応した3D生成フレームワーク「CubePart」を発表した。形状のプロンプトに加えてパーツ構成リストを指定することで、車輪やドアなど個別にアニメーション可能なメッシュを一括生成する。手作業による切り分けなしでゲームエンジンに組み込める。
マイクロソフト、3.8B画像生成モデル「Lens」公開 4ステップ・0.84秒で高速生成
米Microsoftは、38億パラメータの画像生成モデル「Lens」の全重みを公開した。蒸留版のTurboモデルはわずか4ステップ・0.84秒で画像を生成でき、学習計算量を従来比の2割弱に抑えつつ最大1440×1440解像度に対応する。
NVIDIAが「Gamma World」発表：マルチエージェント対応で24fpsの共有世界をリアルタイム生成
NVIDIAはマルチエージェント対応の対話型世界モデル「Gamma World」を発表した。単一操作に限られていた従来モデルを拡張し、事前定義されたジオメトリなしで複数プレイヤーやロボットの動作に応じた共有空間を24fpsでリアルタイム生成する。ゲームや物理シミュレーションを丸ごと生成世界で動かす道を開く。
CapCutがDesign Studio 2.0公開：無限AIキャンバスで脱テンプレート
CapCutがWeb版向けに「Design Studio 2.0」を提供開始しました。従来の定型テンプレートから脱却し、無限AIキャンバス上でAIエージェントとリアルタイムに共同制作できる仕様に刷新。ブラシによる部分編集やレイヤー自動分割に対応し、1日20回まで無料で生成できます。
Runway、MCP連携を発表 ClaudeやChatGPTから動画・画像を直接生成可能に
Runwayはモデルコンテキストプロトコル（MCP）連携機能「Runway MCP」を発表した。ClaudeやChatGPT、Cursor、Replitなどの作業環境から離れることなく、Gen-4.5やKlingといったモデルを用いた画像・動画生成を直接実行できる。普段の対話やコーディングツールから直接生成AIを動かせるのが特徴だ。
Leonardo.AiがGPT-Image 2.0を検証：普通の指示文から広告の「ツボ」を自律再現
Leonardo.Ai のクリエイティブ責任者 Dwayne Koh 氏が GPT-Image 2.0 の検証結果を公開した。専門的なプロンプトを使わず日常会話調の広告ブリーフを入力したところ、モデルが文脈を汲み取って指示にない TikTok 風ステッカーを追加するなどプロ水準の構図を自律生成した。AI が単なる描画ツールからセンスを理解するパートナーへ進化していることを示している。
マイクロソフトが画像生成モデル「MAI-Image-2.5」発表、Arenaで3位に
マイクロソフトのMAI Superintelligence Teamは、画像生成AIモデル「MAI-Image-2.5」を発表した。Arenaリーダーボードで初登場3位を記録。前世代と比べ文字描画やライティング、空間推論能力が大きく向上している。現在Arenaで利用可能で、2週間以内にMAI PlaygroundとAzure Foundryにも展開予定だ。
NVIDIAがLocateAnythingを発表：指示文1つで物体検出、処理速度は最大10倍
NVIDIA が視覚的指示による物体検出フレームワーク LocateAnything を発表した。境界ボックスを並列デコードする新手法と 1.38 億件の学習データにより、テキストで指示するだけで対象物を高速かつ正確に検出でき、密集物体の検出速度を最大 10 倍向上させた。
3D再構築モデル「TriSplat」登場：ガウス変換不要で物理エンジン直結のメッシュを即座に出力
新たな3D再構築ネットワーク「TriSplat」が発表された。従来のガウススプラッティングのようなメッシュ抽出の変換処理を挟むことなく、三角形プリミティブを直接推定して単一の推論で3Dメッシュを生成する。約1.2秒でUnrealなどの物理エンジンに即投入可能なモデルを出力できる。
低照度画像を救う「ControlLight」登場：構造を崩さず光量をなめらかに再調整
低照度画像の強調フレームワーク「ControlLight」が発表された。独自の損失関数によって画像の構造を維持したまま、光の強さを連続的かつ滑らかに調節できるのが特徴だ。暗所で失敗した写真も自然に補正できる。
Pantheon360登場：3Dキャッシュで歪みのない360度パノラマ動画を生成
研究チームが360度動画生成フレームワーク「Pantheon360」を発表しました。入力から再構成した明示的な3Dキャッシュを幾何学的な骨格とすることで、視点移動時の時間的ドリフトを抑えたパノラマ映像を生成可能。デジタルツインやVR制作の精度向上が期待されます。
NVIDIAが画像デコード技術「PiD」発表、VAE置き換えで2K生成を1秒未満に
NVIDIA の研究チームは画像デコード技術「PiD」を発表した。従来の VAE に代わり条件付きピクセル拡散を採用し、デコードとアップスケーリングを統合して RTX 5090 上で 2K 解像度への復元を 1 秒未満に短縮した。生成画像のディテール低下を防ぎつつ処理時間を大幅に削れる。
スマホ写真から大規模3D空間を再現する「GenRecon」登場
少数の RGB 写真から屋内の大規模 3D シーンを高精度に復元する新手法「GenRecon」が発表された。空間を重なり合うブロックに分割し、Trellis.2 の生成事前分布を活用して編集可能な PBR メッシュを出力、既存手法を 16% 上回る精度を示した。高額なスキャン機器なしで日常の部屋を空間アセット化できる。
IdeogramがMCP公開：ClaudeやChatGPTをデザインエージェント化
IdeogramはClaudeやChatGPTをデザインエージェントにする「Ideogram MCP」を公開した。別アプリに切り替えることなく、チャット上で画像生成やデザイン作成、カスタムモデルの訓練が可能になる。CursorやHermesにも対応し、既存ツール内で作業が完結する。