Google フォトにAI「仮想クローゼット」機能、写真からデジタル衣装部屋を作成
Googleは「Google フォト」のAI仮想クローゼット機能を米国、ブラジル、インドのiOS・Android向けに正式公開した。写真に写った服をAIが自動で分類・整理してコーディネートを組めるようにするもので、データは小売店などに共有されない。
AI画像
新しいニュースを見る
Midjourney、Alpha版を刷新：スタイルのリアルタイムプレビューやデフォルト引数保存に対応
MidjourneyはWeb Alpha版の大型アップデートを公開した。プロンプトに応じたスタイルのリアルタイムプレビューや待望のデフォルトパラメータ保存機能を追加。生成フィードのUI刷新やエディタのv8.1/v8.2対応に加え、韓国語の正式サポートも全ユーザー向けに提供を開始した。
Google Flow、クリエイターが作成した6種類の制作支援ツールを公開
米 Google はワークフロー構築ツール「Google Flow」において、現役クリエイターが制作した 6 つのツールを公開した。マルチトラック音響効果生成やリアルタイム 3D テクスチャ生成、スクリプトからのモーショングラフィックス自動化などが含まれ、複製や自作にも対応する。
Leonardo.Ai、複数シーンでキャラとブランドの一貫性を保つ「Leonardo Agent」公開
Leonardo.Aiは新ツール「Leonardo Agent」を公開した。1つのアイデアから、キャラクターや実写風シーン、アルバムアート、広告など、複数の生成画像にわたり同一のアイデンティティを維持できる。画像生成AIの課題だった一貫性を保ちやすくなる点が注目される。期間限定で追加費用なし（通常トークン消費）で利用可能。
PixVerseがR2を発表：リアルタイムで操作・介入できるインタラクティブ世界モデル
PixVerseは生成型・対話型映像メディア向けのリアルタイム世界モデル「PixVerse R2」を発表した。マルチモーダル理解と映像音声生成を統合し、ユーザーの操作に応じてキャラクターや物語の展開をリアルタイムに変化させながら、世界の状態を一貫して保ち続ける。
テンセント、世界モデル「WorldCrafter」発表 視点を戻しても破綻しない3D記憶機構
テンセントの研究チームはインタラクティブ動画世界モデル「WorldCrafter」を発表した。暗黙的な3D知覚メモリを導入し、カメラを別の方向へ向けた後に戻してもシーンの一貫性を保てる。テキストや1枚の画像からカメラ操作可能な探索動画を生成し、蒸留モデルによるリアルタイム対話にも対応する。
3D幾何を潜在空間に直結する「GAE」公開、カメラ軌道誤差を半減
研究チームが世界生成フレームワーク「GAE」をオープンソースで公開した。幾何特徴を128チャンネルの潜在空間に圧縮し、動画と同時に深度マップやカメラ軌道、3D点群を復元する。視点移動時の軌道誤差を半減させつつ、重みは12GB未満で一般的なGPUでもローカル実行できる。
inclusionAIが「Ming Image 0.1」公開：透過素材生成とレイヤー分解に対応
inclusionAIは視覚デザイン特化の6Bモデル群「Ming-Image-0.1」をオープンソース公開した。透過背景（アルファチャンネル）付きの2K画像生成に対応するほか、完成した平面デザインを編集可能な複数レイヤーに分解できる。実務のデザイン制作に直結する点が注目される。
SupraLabsがSupra2-IMGを公開：スマホでも動く1億パラメータの超軽量画像生成モデル
SupraLabsは、パラメータ数わずか約1.04億、サイズ約417MBの超小型画像生成モデル「Supra2-IMG」をオープンソース公開した。単一のH100 GPUを使い約9時間で学習を完了。極小サイズゆえ解像度は256×256にとどまるが、スマホやエッジ端末でも直接動かせる軽さが強みだ。
アリババが「Qwen-Image-2.1」をオープンソース化：7Bパラメータで画像生成・編集・透過背景を統合
アリババは画像モデル「Qwen-Image-2.1」をオープンソース公開した。視覚生成部は7Bパラメータと軽量ながら、画像生成、編集、透過RGBA出力のネイティブ対応を1モデルに統合。最大10枚の参照画像を扱え、デザイン素材の切り抜きや合成作業を大幅に効率化する。
VASTがMira-Sceneをオープンソース化：単一画像から編集可能な3Dシーンを構築
VAST AI Researchは1枚の写真から編集可能な3Dシーンを再構築する「Mira-Scene」を公開した。物体分割や深度推定を組み合わせ、原画と位置関係がピクセル単位で一致した独立オブジェクト群を生成する。シーンはBlenderでのアニメ制作やロボットの物理シミュレーションに即座に活用できる。
Googleの未発表「Gemini 4 Pro」か、Arenaに謎のモデルが出現しSOTAを連発
大模型競技場「Arena」に「gemini-3.8-flash」を名乗る謎のモデルが登場し、未発表のGemini 4 Proと見られている。わずか10分で複雑なSVGアニメーションを生成したほか、エージェントコーディングなどの流出ベンチマークで首位を獲得した。
Midjourney Alphaが更新：韓国語対応とモバイル・エディタの大幅改善
Midjourneyはアルファ版サイトの更新を発表し、韓国語表示に対応した。v8.2エディタでの画像編集プロンプトの改善やモバイル向け全幅レイアウトの導入、Animate機能の復旧など多数の不具合修正が行われている。
Viggle、既存動画のカメラワークや時間を自由に変更できる「Meridian」公開
Viggle AIは既存の動画や画像からカメラアングルや時間軸を自由に変更できるモデル「Meridian」を公開した。MiniMax-H3をベースに3D深度を推定し、被写体の周りを旋回したり静止させたりする「バレットタイム」演出を生成できる。LoRA形式で配布され、ComfyUIにも対応する。
OpenAIがカメラ新興Glass Imagingを3億ドル超で買収：元Apple開発者が創業
米紙報道によると、OpenAIがスマートフォン向けカメラ技術のGlass Imagingを3億ドル超で買収した。Appleでポートレートモード開発を率いた技術者が創業し、AIで一眼レフ並みの画質を実現する。独自ハードウェア開発に向けた布石とみられる。
GoogleとNASA JPL、宇宙からメタン排出を追跡するAI「MAPL-EMIT」発表
GoogleとNASA JPLは宇宙からメタン排出を検出するAIモデル「MAPL-EMIT」を発表した。360万件のシミュレーションデータで訓練され、人間の専門家より50％多くメタン羽流を検出できる。モデルはKaggleとGitHubでオープンソース公開された。
オープンソースのFire3D：日常の写真から1分未満で編集可能な3Dシーンを生成
研究チームがフィードフォワード型の3D再構成フレームワークFire3Dを公開した。単一の画像や動画から事前指定なしで物体を識別し、テクスチャ付きの3Dメッシュを1分未満で生成する。1台のGPUで最大16個の物体を並列処理でき、ロボットシミュレーターやゲーム開発に即座に組み込める。
OpenAIが「ChatGPT Images 2.5」公開：生成速度が最大50％向上、手描きスケッチ機能も
OpenAIは画像生成モデル「ChatGPT Images 2.5」を発表した。前代比で生成遅延を最大50％削減し、参照画像の忠実度や複数回にわたる編集精度を向上。ラフ画から画像を生成できる「Sketch」機能も全ユーザー向けに提供を開始した。
Quiver AIがArrow 2を発表：SVG生成とマイクロアニメーションに対応
Quiver AIはベクター生成モデル「Arrow 2」と高精度版「Arrow 2 Telos」を発表した。生成速度が向上したほか、不要な制御点を削減して扱いやすいパスを実現し、静止画SVGからWeb用マイクロアニメーションを作成する機能も備える。
WorldSculpt公開：動画から何百もの独立した3Dメッシュを個別復元
Alaya Labと東京大学は3D再構築フレームワーク「WorldSculpt」を公開した。従来の3D再構築のようにシーン全体が一体化せず、動画から数百個の物体を独立した編集可能な3Dメッシュとして復元できる。ガウススプラッティングからの変換にも対応する。