FPS向け世界モデル「SCOPE」公開：10自由度の操作で映像をリアルタイム生成
Wan2.2をベースにしたFPS向けオープンソース世界モデル「SCOPE」が公開された。移動や射撃など10自由度の操作をフレーム単位で反映し、未知のゲーム背景でもゼロショットで映像を生成できる。モデルの重み、推論コード、データセットがGitHubで提供されている。
AI画像
新しいニュースを見る
ASASR：FLUX.1-devベースで幻覚ノイズを抑える4倍画像超解像ツール
ASASR は FLUX.1-dev をベースにしたオープンソースの画像超解像ツールで、生成系アップスケーラー特有の不自然な幻覚ディテールを抑えた 4 倍高解像度化を実現します。敵対的 Sobolev DPO とデュアル LoRA 推論を採用。コードと重みが公開され、Hugging Face Spaces で Web デモも提供されています。
再学習なしで4K生成の破綻を防ぐ「SEGA」登場 DiTの超解像度生成を安定化
研究チームが、画像生成DiTモデル向けの学習不要手法「SEGA」を発表した。ノイズ除去の各ステップで周波数エネルギーに応じてRoPE位置埋め込みを動的に調整し、構図の崩れと微細なディテールのぼやけを同時に防ぐ。追加学習なしで4096×4096などの超高解像度画像を安定して生成できる。
Arq.live、音声で映画を作る「GLITCH」発表 声の指示だけで8分で短編生成
Arq.liveは、音声指示で映像を生成する新システム「GLITCH」を発表した。プロンプトを打ち込む代わりに監督が声で指示を出すだけで、複数のAIエージェントが映画クルーのように連携して配役やシーンを構築する。ノートPC1台を使い8分未満で短編映像を完成させられる。
画像生成AI「Krea 2」、LoRAによるファインチューニングのベータ版を提供開始
Kreaは画像生成モデル「Krea 2」向けにLoRAを活用した微調整機能のベータ版を公開した。独自の画風やキャラクター、特定オブジェクトを高精度に学習させることが可能となり、生成画像のコントロール性と一貫性が大幅に向上する。
単眼動画から動的4Dシーンを生成する「Lift4D」発表、死角の補完にも対応
研究チームが新フレームワーク「Lift4D」を発表した。ごく普通の単眼2D動画を1本入力するだけで、時間変化に伴う変形を含む完全な4Dシーンを再構築。カメラに映っていない隠れた死角も補完し、動く被写体を360度自由視点で見回せる。
物理特性を備えた3D生成フレームワーク「PhysX-Omni」発表
シミュレーション対応の3Dモデルを生成するフレームワーク「PhysX-Omni」が発表された。従来の見た目中心の生成から脱却し、材質や運動特性などの物理的属性を付与できる点が特徴。専用データセットと評価ベンチマークも用意され、ロボット訓練や具身AIへの応用が期待される。
Figmaがキャンバス上にネイティブAIエージェントを投入：指示出しで画面修正、複数並行も可能
Figmaはデザインキャンバス内で直接動作するネイティブAIエージェントを発表した。デザイン特化モデルを採用し、自然言語で新規作成やデザイン修正、バリエーション出しができるほか、複数エージェントの同時並行も可能。別ツールを行き来せず、同じファイル内で手作業の自動化が完結する。
Google、世界モデル「Genie」にストリートビューを統合：実在の場所から仮想世界を生成
Googleは世界モデル「Project Genie」にストリートビュー画像を統合した。米国の実在する場所と「海洋世界」などのスタイルを選び、探索可能な仮想環境を生成できる。月額200ドルのGoogle AI Ultra会員向けに順次提供される。
Odyssey、世界モデル「Starchild-1」と4人同時プレイ対応の「Agora-1」を発表
Odysseyは、入力に合わせて音声と映像をリアルタイムに同期生成する世界モデル「Starchild-1」と、最大4人がAI生成世界で同時に遊べる「Agora-1」を発表した。固定長の動画生成から脱却し、状態を共有しながら操作できるインタラクティブな物理シミュレーターへの転換を示している。
OpenAI、Googleの「SynthID」透かし導入 生成画像を検証する公開ツールも
OpenAIはAI生成画像の出所を明確にする新対策を発表した。Google DeepMindと提携して「SynthID」不可視透かしを導入したほか、C2PA規格へ準拠し、画像が自社ツールで生成されたか判定できる検証ツールを公開した。
ByteDance、画像と動画の理解・生成・編集をこなす統合モデル「Lance」をオープンソース公開
ByteDanceは画像と動画の理解・生成・編集を兼ね備えたネイティブ統合モデル「Lance」を公開した。アクティブパラメータ30億で対話形式の動画連続編集にも対応するが、ローカル環境での動作には40GB以上のGPUメモリが求められる。
Leonardo AI、画像から3Dモデルを直接生成する新機能を提供開始
Leonardo AIは2Dのコンセプト画像から実用的な3Dモデルを直接生成できる新機能をプラットフォームに統合した。参照ビュー生成機能により複数アングルの画像を揃え、四角や三角ポリゴンの.glb形式でエクスポートできる。インディーゲーム開発や3Dプリントの下準備が1つのツールで完結する。
間取り図から一軒家のVR内見ツアーを丸ごと生成、世界モデル「PanoWorld」発表
間取り図とスタイル画像から家全体の 360 度パノラマ内見ツアーを自動生成する世界モデル「PanoWorld」が発表された。視点を移動しても家具や内装の一貫性を保てる点が特徴で、不動産 VR や内装設計への応用が期待される。モデルやコードは準備中で未公開。
GPT Image 2 と Seedance 2.0 を連携：12コマ絵コンテからアニメ映像を自動生成
ChatGPT Image 2 でキャラクターやカメラワークを指定した12コマの絵コンテを作成し、Seedance 2.0 に渡して映画風の映像を生成するAI映像ワークフローが注目を集めています。ノード型ツールと組み合わせることで個人制作が一段と手軽になります。
アリババがFashionChameleon発表：動画生成中にリアルタイムで衣装を変更
アリババが動画試着フレームワーク「FashionChameleon」を発表しました。動画生成中にインタラクティブな着せ替えが可能で、単一GPU上で23.8 FPSのリアルタイム動作を実現しています。人物の動きを崩さずに衣装を切り替えられますが、コードやモデルは順次公開予定です。
Claude Code向け3D生成ツール公開：画像1枚から物理・音響付き環境を生成
開発者のNeilson氏がAnthropicのClaude Code向け3D生成ツールキットをオープンソースで公開した。1枚の入力画像からメッシュ、物理シミュレーション、照明、音響を含む完全な3D環境を自動生成でき、手作業のアセット制作なしにシーン構築が可能になる。
Articraft公開：コード生成で「動く」関節付き3Dモデルを自動作成
関節構造を持つ 3D 資産を生成するエージェントシステム Articraft のコードと 1 万件超のデータセットが公開された。AI が直接メッシュを描くのではなく、部品や関節を定義するプログラムを書いてテストまで自律実行する。ロボットのシミュレーション環境構築を大きく前進させる試みだ。
「Warp-as-History」登場：たった1本の動画学習でAIのカメラワークを自在に制御
上海交通大学や上海AIラボなどの研究チームが「Warp-as-History」を発表した。新たな制御モジュールを追加せず、視点移動の変形を過去の映像履歴として扱うことで、わずか1本の動画による軽量LoRA調整だけで未知のシーンでも精度の高いカメラワーク追従を実現する。
NVIDIA、軽量世界モデル「SANA-WM」発表：単一GPUで1分間の映像を34秒生成
NVIDIAは静止画とキーボード操作から対話型映像を生成できる26億パラメータの世界モデル「SANA-WM」を発表した。単一のRTX 5090で1分間の720p映像をわずか34秒で生成可能。視点を変えても空間の一貫性が保たれ、コードとモデルは近日公開される予定だ。