Luma Labsが「Uni-1」発表：推論と思考、ピクセル生成を同時にこなす新モデル
Luma Labsは、思考とピクセル生成を同時に実行する新AIモデル「Uni-1」を発表しました。推論と画像生成を分けていた従来の段階的アプローチを統合し、同社が「より作為感がなく、より知的」と表現する自然なビジュアル出力を目指しています。
AI画像
新しいニュースを見る
ブラウザ完結のオープンソース3D建築エディタ「Pascal Editor」が登場
Webブラウザ上で動作する無料のオープンソース3D建築エディタ「Pascal Editor」が公開された。WebGPUとReact Three Fiberを採用し、壁やスラブ、ゾーンのリアルタイム編集やアンドゥ・リドゥに対応。高価なデスクトップソフトをインストールすることなく、軽量かつ高速なモデリング環境を提供する。
マイクロソフトがMAI-Image-2を発表：画像生成ランキングで世界3位に浮上
マイクロソフトは最新の画像生成モデル「MAI-Image-2」を発表し、Arena.aiのリーダーボードで世界3位にランクインした。自然な光線や肌の質感の再現、画像内テキストの正確な描写が特徴。MAI Playgroundで利用可能なほか、CopilotやBing Image Creatorへ順次展開される。
Adobe、自作イラストで画風を学習できる「Firefly Custom Models」の公開ベータを開始
Adobeはユーザー自身の作品を学習させて作風やキャラクターの一貫性を保てる「Firefly Custom Models」のパブリックベータ版を提供開始した。データはデフォルトで非公開とされ基本モデルの学習には流用されないほか、AI学習拒否の設定がある素材のアップロードを自動検知して除外する仕組みも備える。
3DreamBooth登場：被写体を3D実体として扱い、動画の多視点整合性を実現
研究チームが3D対応の動画カスタマイズ手法「3DreamBooth」を発表しました。被写体を2D画像ではなく3D実体として捉え、1フレーム空間最適化によって幾何構造と時間動作を分離。新視点生成時に不整合なディテールを捏造せず、安定した3D一貫性を保ちます。
Character.ai、チャット画像を集約する「Imagine Gallery」公開
Character.aiはモバイルアプリ向けに「Imagine Gallery」と「Imagine Message」をリリースした。会話内で生成したAI画像をグリッド状に自動集約し、ペルソナ別の絞り込みや共有が可能。個別のメッセージをタップして即座に画像を生成する機能も備え、c.ai+有料会員はチャット背景に設定できる。
Google Labs、UI設計ツール「Stitch」をAIネイティブな無限キャンバスに刷新
Google LabsはUI設計ツール「Stitch」をAIネイティブなソフトウェア設計キャンバスへと刷新した。自然言語や音声で高精度なUIを即座に生成・修正できるほか、画面同士を繋いだインタラクティブな試作やMCPサーバー経由の開発ツール連携に対応する。
SegviGen：3Dモデルのパーツを自動分割、クリックや2D画像での指示に対応
SegviGenがTRELLIS.2をベースにした3Dパーツ分割フレームワークをオープンソースで公開した。3Dモデル上の部位をクリックするか2D参考画像を渡すだけで、高精度に個別パーツへ切り出して出力できる。対話型分割の性能は従来SOTAより40%向上したが、ローカル実行には24GB以上のVRAMが必要となる。
AI動画から一貫した3D空間を再構築：フレームの矛盾を補正する新手法が登場
研究チームがAI生成動画から一貫した3D空間を復元する新手法「World Reconstruction from Inconsistent Views」を発表した。動画特有のフレーム間の歪みや矛盾を非剛体位置合わせで補正し、1本の動画からでも精細な3Dシーンを生成できる。既存の動画生成モデルをそのまま実用的な3D空間構築ツールに変えられる点が画期的だ。
Midjourneyが「V8」アルファ版を公開：生成速度が5倍に向上、ネイティブ2K対応
Midjourneyは画像生成モデル「V8」のアルファテストを開始した。V7比で生成速度が約5倍高速化し、プロンプト追従やテキスト描画性能が向上したほか、ネイティブ2Kに対応する「--hd」モードなどが追加された。現時点でRelaxモードは未対応となっている。
実在の街を再現する「ソウル世界モデル」登場 ストリートビューのRAGで長距離生成
実在の都市環境に基づいた「ソウル世界モデル（SWM）」の研究が公開された。数百万枚のストリートビュー画像をRAG形式で参照することで誤差の蓄積を防ぎ、数キロメートルに及ぶ安定した街並み動画の生成やテキストによる天候・災害プロンプトに対応する。
NVIDIAが「DLSS 5」を発表：リアルタイム神経レンダリングで映像表現を刷新
NVIDIAはGTCで「DLSS 5」を発表した。2018年のレイトレーシング導入以来最大の飛躍と位置づけ、神経レンダリングモデルにより最大4Kで写実的な光と質感をリアルタイム生成する。ジェンスン・フアンCEOは「グラフィックスのGPTモーメント」と表現。今秋に提供予定。
コマ落ち動画から滑らかな4D人体アニメを再構成する「Retime GS」
2D動画から全身の4D人体アニメーションを生成する「Retime GS」が公開された。動画のフレームが欠落してカクついていても、改良型4D Gaussian Splattingなどを活用して動きを補完し、アーティファクトの少ない滑らかな3Dシーンを出力できる。
Canva、静止画やAI画像を編集可能なレイヤーに分解する「Magic Layers」公開
Canvaは独自のデザインモデルを活用した新機能「Magic Layers」を発表した。1枚の静止画やAI生成画像を解析し、編集可能なテキストボックス、個別オブジェクト、背景などのマルチレイヤー構造へ自動変換する。米英加豪でパブリックベータが開始された。
音声と映像を一度に生成、一体型デジタルヒューマン「ID Laura」が公開
一体型デジタルヒューマン生成モデル「ID Laura」がオープンソース化された。音声をクローンしてから動画の口元を合わせる従来の手法と異なり、単一モデルで映像・音声・環境音を同時に生成できる。LTX 2.3ベースで、動作には最低24GB、推奨48GBのVRAMが必要となる。
NVIDIA、ComfyUI向けに簡易UIや4K超解像ノードを提供 生成速度は最大30倍に
NVIDIAはGDCにて、ComfyUIの初心者向け「App View」を発表した。ノードを組まずにプロンプト入力だけで動画を生成できる。さらにRTX Video Super Resolutionノードにより4K超解像が従来比30倍高速化し、NVFP4対応でRTX 50シリーズのVRAM消費を60%削減できる。
マウスの脳活動から動画を再構成、UCLが単一細胞レベルの解読に成功
ロンドン大学ユニバーシティ・カレッジ（UCL）の研究チームは、マウスの視覚野における単一神経細胞の活動データのみから、10 秒間の動画を高精度に再構成することに成功した。運動や瞳孔の変化といった生体状態も考慮されており、記録する神経細胞数が増えるほど精度が向上する。
Adobe、Photoshopに「AI Assistant」導入：言葉で写真編集が可能に
AdobeはWeb版とモバイル版Photoshop向けに「AI Assistant」の公開ベータ版を提供開始した。テキストや音声で指示するだけで不要物の削除や背景変更ができる。Firefly Image Editorも強化され、OpenAIなど25種類以上の外部モデルが利用可能になった。
画像内の文字崩れを防ぐ「GlyphPrinter」登場 日中韓や記号も正確に描写
画像生成時の文字崩れや誤字を解消するフレームワーク「GlyphPrinter」が公開された。FLUX.1-dev をベースに領域単位の選好最適化を行い、日本語や中国語、タイ語などの複雑な文字や石碑の刻紋を正確に画像内へレンダリングできる。コードと重みは公開済み。
小紅書が画像編集モデル「FireRed 1.1」を公開：顔や服を維持、フォント複製も可能
小紅書が画像編集モデル「FireRed-Image-Edit 1.1」をオープンソース公開しました。自然言語の指示で背景やポーズを変えても顔や衣装の一貫性を保てるほか、複数画像の合成やフォントスタイルの移植にも対応します。ただし容量が約 60GB あり、一般向け GPU での直接実行には高いハードルがあります。