UniForge 3Dがオープンソース化：数枚の写真から死角まで補完した3Dモデルを生成
わずか数枚の写真から完全な3Dアセットを復元・生成する「UniForge 3D」のコードとモデルが公開された。可視部分の精密な再構成と未撮影部分の生成補完を同時に走らせることで、元の質感を保ちながら欠損領域をきれいに埋められる。
AI画像
新しいニュースを見る
Pure：普通の動画から動的な3D空間を丸ごと再構築するオープンソースモデル
3D再構築モデル「Pure」がオープンソースで公開された。高価な3Dアノテーションを使わず、一般的な動画から深度や物体の動きを抽出して事後学習し、動的な3Dシーンを復元する。モデル容量は13.2GBとコンパクトで、訓練スクリプトも同梱されており、ローカル環境で手軽に動かせる。
アリババ、8ステップで2K画像を生成する「Qwen-Image-2.1-Turbo」をオープンソース公開
アリババは画像生成・編集モデル「Qwen-Image-2.1-Turbo」の重みを公開した。7Bアーキテクチャをベースに、わずか8回のデノイズステップで2K解像度を出力できる。自然言語による精密な画像編集にも対応し、Hugging FaceやModelScopeのほか公式API経由でも利用可能だ。
Midjourneyが「思考モード」をテスト：プロンプト精度と文字描画が向上
MidjourneyはAlpha版サイトで画像生成の「思考モード（Thinking Mode）」のテストを開始しました。生成ジョブのライトボックスから再実行することで、指示の忠実度、タイポグラフィ、画像の整合性が向上します。将来的には標準機能や生成後の追加思考オプションとしての提供も検討されています。
Anthropic、Claude DesignをClaude Codeに統合：コードベースから直接UI生成
AnthropicがClaude DesignをClaudeの通常チャットおよびClaude Codeに統合しました。ターミナルで /design と入力するだけで、コードベースのデザインシステムを読み込んだUIを即座に生成し、キャンバス上で微調整した後にそのまま実装へ移せます。
Metaが「GenIA」を発表：画像や動画から整合性の高い3Dモデルを再構築
Metaは画像や動画から完全な3Dオブジェクトを生成する「GenIA」を発表した。SAM 3Dをベースに生成結果と元画像をリアルタイムで照合・補正する仕組みを取り入れ、外観や位置の再現度を高めている。非商用ライセンスでコードが公開されており、ローカル環境で実行できる。
オープンソース「Anatomy」：一言でAIが操作可能な機械図解を生成
オープンソースのAIスキル「Anatomy」が登場。抽象的な概念を入力するだけで、Claudeなどのエージェントが歯車や部品で構成された等角投影図を構築。物理演算に連動した操作可能なSVGやWebGLの図解を即座に出力できる。
Google、「Nano Banana 2.1」を公開 最大14枚の参照画像合成や4K出力に対応
Googleは画像生成・編集モデル「Nano Banana 2.1」を公開し、GeminiやFlowなどで提供を開始した。最大14枚の参照画像を用いた合成や被写体の一貫性維持、マスク編集の精度が向上し、4K解像度にも対応する。トップクラスの競合モデルには画質面で及ばないとの指摘もあるが、Flow上で毎日数十回無料で利用できる。
Pinterest、髪型やネイルの画像をサロン用指示書に変える新AI機能
Pinterestは保存したヘアやネイル画像を美容室・サロン向けの相談プランに変換するAI機能「Beauty Guides」を発表した。「バレイヤージュ」などの業界用語に変換し、オーダー方法や目安費用、所要時間、維持ケアの頻度まで整理してくれる。
復旦大とテンセント、音動画同時生成モデル「Prism」をオープンソース化
復旦大学、テンセント混元、浙江大学の研究チームが、ネイティブ2K解像度対応の音動画同時生成フレームワーク「Prism」を公開しました。動的スパースアテンションを用いて発音部位や動きの激しい領域に計算を集中させ、学習速度を2.5倍に引き上げつつ生成品質を向上させています。現在Hugging Faceにてプレビュー版が利用可能です。
単一画像から3D世界全体を生成する「DistScene」発表
1枚の画像から周囲の環境と個別の物体を含む完全な3Dシーンを生成する「DistScene」が発表された。個別の物体を作ってつなぎ合わせる従来手法と異なり、共通の座標系で環境と物体を同時に生成して精度を高める。モデルとデータセットは今後公開予定。
Midjourney Alphaが更新：サイドバーでスタイル事前確認、フォルダ別デフォルト設定に対応
Midjourney が Alpha 版の更新ログを公開した。生成前に仕上がりを確認できるサイドバーのスタイルプレビューや、フォルダごとのデフォルトパラメータ保存機能を導入。複数のスタイル参照を 1 つのカプセル UI にまとめ、10 万枚以上の画像を保有する環境でのクラッシュ問題も解消した。
ChatGPTにバーチャル試着機能が追加：写真1枚で服の着用イメージを確認
OpenAIはChatGPTに「バーチャル試着」とお気に入り保存機能を追加したと発表した。新型の「ChatGPT Images 2.5」モデルを採用し、検索結果の「Try On」ボタンから写真をアップロードするだけで、洋服や小物の着用感を自然な仕上がりで確認できる。
Black Forest Labsが「FLUX 3 Image」発表：枠線で構図を精密制御、ピクセル単位の編集に対応
Black Forest Labsが画像生成モデル「FLUX 3 Image」を公開した。キャンバス上にバウンディングボックスを描いて構図を精密に制御でき、最大10枚の参照画像やネイティブ4K出力に対応する。指定部分以外を崩さずに何度でも再編集できる点が強み。現在PlaygroundとAPIで利用可能。
Runway、広告の自動生成・出稿・改善を担う「Runway Ads」を発表
Runwayは運用型広告向け自律エンジン「Runway Ads」を発表した。ブランド素材から画像や動画広告を生成し、Meta、Google、TikTokへの自動出稿と成果に基づく自動再生成までを一気通貫で行う。自社運用では週間広告数を77本から約900本に増やし、獲得単価を41%抑えたという。
Ideogram 4.5公開、複数回の編集でも劣化しない高精度画像編集モデル
Ideogramは画像編集モデル「Ideogram 4.5」を公開した。編集を繰り返すことで生じるノイズや色のズレを防ぎ、最大2420万画素の高解像度画像の切り抜き編集とシームレスな合成に対応する。同社のWebアプリ、MCP、APIで提供されており、1枚あたり0.008ドルから利用できる。
NVIDIA、VAEとエンコーダーを排除した「PixelUMM」公開 生ピクセルで画像・動画を理解・生成
NVIDIAとウォータールー大学がマルチモーダルモデル「PixelUMM」をオープンソース公開した。VAEや視覚エンコーダーを使わず、Qwen3-8Bをベースに生のピクセル空間で直接画像と動画の理解および生成を両立する。潜在空間を介さないシンプルな統合アーキテクチャとして注目される。
CMU、クリック1つで3Dモデルを隙間なくパーツ分解する「Point2Part」発表
カーネギーメロン大学の研究チームが3D分割モデル「Point2Part」を発表した。画像や3Dメッシュ上のパーツを1クリックするだけで、隙間や重複を残さず独立した部品へ正確に分解できる。現在プロジェクトページと論文が公開されている。
World Play 2 公開：長期記憶を備え、再訪しても崩れないリアルタイム世界生成器
対話型世界モデル World Play 2 のコードが公開された。仮想空間のリアルタイム探索やオブジェクトとの対話に対応し、過去の出来事をメモリに圧縮保存することで長時間の探索や再訪時も一貫性を維持する。4 ステップで生成できる Turbo 版も用意されているが、完全版は 69GB と巨大だ。
InSpatio-World 1.5：画像1枚とカメラ軌道から4D空間を生成する世界モデル
InSpatioが4D世界モデル「InSpatio-World 1.5」をオープンソースで公開した。単一画像やパノラマ、動画から未知の視点を推論し、指定したカメラ軌道に沿って一貫した空間巡回やバレットタイム映像を生成できる。サイズは6GB未満で、一般的なGPUでも動作する。