X、投稿画像へのGrokによる画像再生成・編集を拒否できる設定を静かに追加
報道によると、X は投稿作成時のメディアアップロード設定に、AI「Grok」による画像の改変や別バージョン生成を拒否できる切り替えスイッチを追加した。Grok による無断での性的画像生成が問題視され、各国で調査を受ける中、ユーザー保護と制裁金対策の一環とみられる。
AI画像
新しいニュースを見る
CubeComposer：普通の単眼動画を360度パノラマに拡張、4Kにも対応
研究チームが全方位動画モデル「CubeComposer」をオープンソース公開しました。単一カメラで撮った通常の映像を360度パノラマ動画に変換し、4K解像度にも対応します。拡散モデルで映像を6面に分解して背後の死角を補完し、Argusなどの競合を上回る品質を実現していますが、現状はわずかな歪みも残ります。
テンセントがEffectMakerを発表：動画の視覚効果を追加学習なしで複製
テンセント混元チームが動画VFXカスタマイズ技術「EffectMaker」を発表した。参考動画の特殊効果を個別ファインチューニングなしで対象映像に直接移植できるのが特徴で、13万本の動画を含むデータセットも構築された。
Tencent、着せ替え特化の画像編集モデル「HY-WU」をオープンソース公開
Tencent は高精度な仮想試着や衣装転送に特化した画像編集モデル「HY-WU」をオープンソース公開した。参照画像から動的に小型 LoRA を生成して注入することで、追加学習なしに自然な着せ替えを実現する。高い性能を誇る一方、推論には 80GB GPU が最低 4 枚必要となる。
RealWonder公開：静止画に外力を加え、物理的な動きを秒間13フレームでリアルタイム生成
単一画像からリアルタイムに物理挙動動画を生成するオープンソースプロジェクト「RealWonder」が公開された。画像上の物体に風や水流などの仮想外力を加えると、受力後の動きをリアルタイムに映像化する。H200 GPU 上で 480p・13 FPS を達成し、コードとモデルの重みが公開されている。
Lumaが制作特化AI「Luma Agents」発表：自社モデルUni-1と外部AIを連携
Lumaは統合マルチモーダルモデル「Uni-1」を基盤とするクリエイティブエージェント「Luma Agents」を発表しました。テキスト、画像、動画、音声を横断した制作に対応し、GoogleのVeo 3など外部モデルと連携しながら自律的な推敲を繰り返します。現在はAPI経由で段階的に提供されています。
OmniLottie発表：マルチモーダル指示からLottieベクターアニメを直接生成
研究チームがベクターアニメーション生成フレームワーク「OmniLottie」を発表した。独自のLottieトークナイザーと視覚言語モデルを組み合わせ、テキストや画像などの指示から直接Lottie形式のJSONアニメーションを生成できる。200万件規模のデータセット「MMLottie-2M」も整備された。
ByteDanceとスタンフォード、画像・動画拡散モデルを4倍超高速化する「Spectrum」公開
ByteDanceとスタンフォード大学の研究チームが、画像や動画の拡散モデルを最大4.7倍高速化するフレームワーク「Spectrum」をオープンソース公開した。チェビシェフ多項式で未来のステップを予測する仕組みで、追加学習なしにFLUX.1やHunyuan Videoの画質を保ったまま生成を大幅に速くできる。
3枚の写真で破綻しない動画を生成、美団が「WildActor」を公開
美団の研究チームが、動画生成で人物の一貫性を保つ「WildActor」のコードを公開した。3枚の参照画像を使うことで、激しい動きでも顔や衣装が崩れず、実写とアニメキャラの双方に対応する。Wan2.2-5Bと連携して動作する。
欠損した3D再構成を修復する「ArtiFixer」登場：拡散モデルで疎な視点から背景まで補完
写真が数枚しかない疎な3D再構成結果を修復・拡張する手法「ArtiFixer」が発表された。未観測領域のアーティファクトに対し、自己回帰型拡散モデルを活用して欠落した背景や構造を自然に補完する。従来手法よりPSNRを最大3dB改善したが、現時点ではコードの公開は未定。
ByteDance、画像生成の「左右・前後」を正しく配置する空間報酬モデルを発表
ByteDance の研究チームは画像生成の空間理解を高めるフレームワークを発表した。8 万件超の正誤ペアデータで報酬モデル「SpatialScore」を学習させ、Flux などの配置ミスを大幅に改善する。データセットと重みは公開予定。
CAD版Cursorを目指すオープンソース「SynapsCAD」が登場、3D部品クリックでコード修正
オープンソースプロジェクト「SynapsCAD」が、CAD向けのCursor型エディタを公開した。左側でOpenSCADコードを書き、右側でリアルタイムに3D描画しながら、画面上のパーツをクリックしてAIに該当箇所のコード修正を指示できる。AIの変更がブラックボックスにならず、常にバージョン管理可能なコードとして残るのが強みだ。
Google、「Nano Banana 2」発表：Pro級の画質と一貫性をFlashの爆速で実現
Google は最新画像生成モデル「Nano Banana 2」（Gemini 3.1 Flash Image）を発表した。Pro モデルの高い推論力と描画品質を Flash 級の超高速生成と融合させ、最大 5 人のキャラクター一貫性維持や 4K 解像度、リアルタイム検索グラウンディングに対応する。Gemini アプリや検索、API 経由で順次提供が始まっている。
QuiverAI、SVGベクター画像を直接生成するAI「Arrow 1.0」のパブリックベータを開始
QuiverAIはSVGベクター画像生成に特化したAIモデル「Arrow 1.0」のパブリックベータ版を公開した。一般的なラスター画像を生成するAIと異なり、最初から拡大縮小や編集が可能なSVG形式で出力できるため、デザイナーや開発者の素材制作を効率化する。
Google、AI創作基盤「Flow」を刷新：ImageFX統合で画像から動画へ直結
米GoogleはAI制作プラットフォーム「Flow」の大幅刷新を発表した。ImageFXやWhiskの画像生成機能をワークスペースに統合し、生成した画像を即座に動画モデルVeoの素材として利用できるようにした。自然言語で部分修正できるなげなわツールも追加された。
物理法則を理解する画像編集AI「PhysicEdit」公開 水の屈折や融解を正確に再現
物理現象を正確に反映できる画像編集フレームワーク「PhysicEdit」がオープンソースで公開された。Qwen ImageEdit 2.5をベースに開発され、既存モデルが苦手とする水中の光屈折やバターの融解、ドミノ倒しなどの因果動態を破綻なく再現できる。
ベクターフォント生成モデル「VecGlypher」公開：テキストや画像からSVG字形を直接生成
テキスト記述や参考画像から編集可能なベクターフォントを生成するオープンソースモデル「VecGlypher」が発表された。ラスター画像を経由せず直接 SVG パスを出力し、文字盤の欠損補完も行える。字形の安定性やスタイルの再現度において、GPT や Gemini などの汎用大モデルを上回る。
テスト時訓練で高精度な3D再構成を行う「tttLRM」公開、4GB未満で民生用GPUに対応
3D再構成モデル「tttLRM」がオープンソースで公開された。テスト時訓練（TTT）技術により複数枚の写真から高品質な3D Gaussian Splatsを生成し、従来のノイズや霧状の乱れを抑えて微細な文字や電線まで復元する。サイズは4GB未満で、民生用GPUでも動作する。
VR向け全身アバター「SARAH」：3D空間認識で視線や姿勢を自然に同期
VR向けリアルタイム全身アバターシステム「SARAH」が発表された。ユーザーの3D空間内の位置を認識し、300FPS以上の高速描画で視線や身体の向きを同期させる。視線の強さを手動調整できる仕組みも備え、VR内での対話が格段にリアルになる。
VRの頭部と手の動きでリアルタイム生成：一人称視点の対話型動画モデルが登場
VRヘッドセットで追跡した頭部や手の関節の動きに応じて一人称動画をリアルタイム生成する世界モデルが発表された。テキスト指示と実際の身振りを組み合わせて生成空間と対話でき、約11FPSで動作する。生成XRの新たな可能性を示す一方、解像度や滑らかさは発展途上だ。