2D画像内の物体とカメラ視角を自在に動かせる「SpatialEdit」が完全オープンソース化
画像空間編集モデル「SpatialEdit」が完全オープンソースで公開された。写真内の物体の位置や角度を微調整できるだけでなく、カメラのヨー・ピッチ・ズームまで精密に制御可能。ベンチマークで高い幾何学的再現性を示す一方、モデルサイズは約32GBあり、動作にはハイスペックなGPUが必要となる。
AI画像
新しいニュースを見る
間取り生成をトークン予測に変える：新マークアップ言語「FML」が発表
住宅のベクトル平面図生成を言語モデルと同様の次トークン予測タスクとして扱う新研究が発表された。HTMLのように部屋や壁、ドアの構造を記述する専用言語「FML」を定義し、Transformerで多様な間取りを出力する。現在は論文のみの発表で、コードやデモは未公開となっている。
OpenAIの画像生成AI「GPT-Image-2」が流出か、Arenaに別名で登場
開発者のPieter Levels氏が、OpenAIの未発表モデル「GPT-Image-2」がArena上で別名テストされていると明かしました。maskingtape-alphaなどのコードネームで動作し、極めて高い世界知識とテキスト描画精度を示していると注目を集めています。
「Generative World Renderer」登場：テキスト指示だけでAAAゲームの画風や照明を変更
研究チームが「Generative World Renderer」を発表した。『黒神話：悟空』などのAAAゲームから抽出した400万フレームのG-bufferデータを活用し、プロンプトを入力するだけで画面のスタイルや照明、天候を再構築できる。3Dジオメトリ情報を保持したまま高精度に映像を改変できる点が注目される。
アリババが「Wan2.7-Image」公開：12言語の文字描画と最大12枚の一貫画像生成に対応
アリババが画像生成・編集・理解を統合した新モデル「Wan2.7-Image」を発表しました。12言語の印刷品質テキスト描画に対応するほか、1度のプロンプトで最大12枚の一貫した画像を生成可能。顔の骨格やHEXカラーコードの制御、視覚的指示による対話的編集もこなせます。
Moonlake、Blenderを直接操作する3Dワールド構築エージェントを発表
MoonlakeがBlenderなどの3Dツールを直接操作できる世界構築エージェントのデモを公開した。チャットでの単発生成と異なり、ソフト内でオブジェクトの編集やライティング調整を反復実行できる。専門家の操作手順を学習して再利用できる点も特徴だ。
アリババが「Wan 2.7 Image」発表：生成と編集を統合、カラーコード指定や長文描画に対応
アリババは画像生成と編集を統合した新モデル「Wan 2.7 Image」を発表した。骨格や質感を調整して自然な人肌を再現できるほか、最大 8 個のカラーコード指定や 12 言語・最大 3000 トークンの文字・表描画に対応する。1 プロンプトで最大 12 枚の一貫した画像を生成でき、絵コンテやカタログ制作の手間を大幅に省ける。
画像生成前にWeb検索する新フレームワーク「Gen-Searcher」が登場
検索エージェントを活用した画像生成フレームワーク「Gen-Searcher」が公開された。生成前にWebから参考画像や事実情報を検索して反映させることで、特定キャラやニッチな知識の再現精度を大幅に引き上げる。
ByteDance、スマホで完全オフライン動作する画像生成・編集モデル「DreamLite」発表
ByteDanceは端末内でオフライン動作する画像拡散モデル「DreamLite」を発表しました。パラメータ数はわずか3.9億で、iPhone上で1024×1024の画像生成が約3秒で完了するほか、背景差し替えや画風変更などの編集にも対応します。クラウドの最上位モデルには質感で及ばないものの、スマホ単体での実用的な画像生成を実現しています。
GMが自動車設計に生成AIを導入、スケッチから3D動画化を1日未満に短縮
ゼネラルモーターズ（GM）は車両デザイン工程に生成 AI を組み込んだワークフローを発表した。スタートアップの Vizcom と連携し、手描きスケッチを 1 日足らずで 360 度 3D モデルや走行アニメーションへ変換。AI 仮想風洞により空気抵抗シミュレーションも 2 週間から即時反映へ短縮される。
MakerWorldがMeshyと連携：写真から3Dモデルを生成、AMSの自動多色塗り分けに対応
Bambu LabのMakerWorldはMakerLabに3D生成AIのMeshyを統合した。ユーザーは写真をアップロードするだけで、Meshy-6エンジンにより数分で印刷可能なSTLや3MFファイルを生成できる。注目のマルチカラー機能はAMSのフィラメント割り当てに自動対応し、スライサーでの手動着色が不要になった。モデル出力ごとに2 MakerLabクレジットを消費する。
Runway、広告企画アプリ「Ad Concepter」公開：商品画像とプロンプトで構成案を即座に生成
RunwayはWeb版ツール「Ad Concepter」を公開した。プロンプト1文、参考画像、商品写真を入力するだけで、広告の構図やストーリー展開などのコンセプト案を素早く探索できる。複雑なワークフローを組まずに企画の初速を上げられるのが特徴だ。
MetaがSAM 3.1を公開：128物体の追跡を約7倍高速化
Metaは画像・動画セグメンテーションモデル「SAM 3.1」を公開した。共有メモリ方式のObject Multiplexを採用し、単一のH100で128個の物体を追跡する推論速度が精度を落とさず約7倍に向上した。モデルの重みはHugging Face上で利用申請できる。
Babylon.js 9.0公開：クラスタ化照明やガウススプラットに対応
Web 3Dエンジン「Babylon.js 9.0」が正式リリースされた。WebGPUとWebGL 2で数千の光源を滑らかに描画するクラスタ化照明や、GPUメモリ消費を最大40%削るFrame Graphを導入。さらにノード型パーティクルエディタやAdobe協力による高度なガウススプラットにも対応した。
プロンプトから編集可能なPSDを生成 多重エージェント設計システム「PSDesigner」登場
テキスト指示からレイヤー構造を保持した Photoshop ファイルを自動生成する「PSDesigner」が発表された。素材収集・レイアウト計画・ツール実行を担うエージェントが連携してデザインを循環的に最適化する。後から手作業で修正可能な PSD 形式で出力できる点が実用的だ。
Real Restorer公開：反射や傷を除去する42GBの画像修復モデル
現実世界の写真修復に特化したオープンソースモデル「Real Restorer」が公開された。ボケやノイズ、反射、雨雪の除去から白黒写真の復元まで幅広く対応し、性能は主要な閉源モデルに匹敵する。総サイズは42GBで、ローカルの高性能GPU環境で動作する。
ComfyUIが動的VRAM機能を導入：モデルのオンデマンド読み込みで生成時間が半減
ComfyUI は新機能「dynamic VRAM」を公開した。モデル全体を一括読み込みせず、生成過程で必要な部分だけを読み込んで即座に解放する。RTX 5060 などのミドルレンジ GPU でも大容量モデルを快適に動かせ、Flux 2dev の生成時間が半分に短縮されたケースも確認されている。
Lovartが「Move Object」公開：マスクもレイヤーも不要、ドラッグだけで物体を移動
Lovartは新機能「Move Object」を公開した。矩形や投げなわツールで画像内の物体を囲み、移動先へドラッグするだけで自然に再配置できる。追加のテキスト指示にも対応し、マスク作成やレイヤー作業、再生成の繰り返しなしで一貫した画像が得られる。
3D映像を実写化するRealMaster：ゲームの質感をリアルな動画へ変換
AIツール「RealMaster」は、ゲームなどの3Dレンダリング映像を写実的なリアル動画へ変換する。従来のツールと異なり、元の幾何学構造や影、モーションの整合性を壊さずに維持できるのが特徴で、ゲーム映像だけでなく自動運転のシミュレーション訓練データ強化にも役立つ。
Figma、AIエージェントにキャンバスを開放 Claude Codeなどが直接デザインを編集可能に
FigmaはFigma MCP serverのベータ版を公開し、デザインキャンバスをAIエージェントに開放した。Claude CodeやCodexがチームのコンポーネントや変数を用いて直接デザインを生成・変更できる。Markdown形式の「Skills」でブランドの一貫性も維持可能。ベータ期間中は無料で利用できる。