UniMate：どんな3D骨格でもプロンプト1つで動かせる単一モデル
プリンストン大学やUCバークレーなどの研究チームがUniMateをオープンソース化。ボーンが設定された3Dモデルと指示文を入力するだけで関節動作を直接生成し、個別モデルごとの再学習は不要だ。人型だけでなく鳥や蛇、機械にもゼロショットで対応し、推論コードや重みも提供される。
AI画像
新しいニュースを見る
Google、Geminiの「Spark」にGoogleフォト連携を追加：指示ひとつで一括編集や予定登録
GoogleはGeminiの高機能エージェント「Spark」とGoogleフォトの連携を発表した。プロンプトを入力するだけで、写真から通行人を一括消去したり、イベントチラシをカレンダー登録したりできる。今後数週間で米国のAI ProおよびUltra加入者向けに順次展開される。
オープンモデル「LLaDA-Image」：6B単一モデルで画像生成と編集を両立
inclusionAIは画像生成と指示ベースの画像編集を単一チェックポイントで処理する6Bパラメータモデル「LLaDA-Image」をオープンソース公開しました。日英テキスト描画に対応し、4ステップで動作する高速版TurboやComfyUI対応も用意されています。
Google、画像生成・編集ツール「Pics」公開：DocsやSlidesから直接編集可能に
Google は Nano Banana モデルを基盤とする画像生成・編集ツール「Google Pics」を発表した。被写体の切り抜き編集や画像内テキストの直接修正・翻訳、共同編集に対応する。単体サイト pics.new のほか Docs や Slides に統合され、数週間かけて AI 有料プランや Workspace ユーザーへ順次展開される。
上海AIラボ、画像生成・編集・全視覚理解を統合した「InternLumina-U2」をOSS公開
2026年10月、上海人工知能研究所がInternLumina-U2のモデル重みと学習コードを公開した。総パラメータ169億（活性化約14億）の拡散MoE構成で、テキスト対話から画像生成・編集、動画や3D理解までを単一モデルでこなす。
World Labs、空間知能向け世界モデル「Atlas」発表
World Labsは次世代世界モデル「Atlas」を発表した。テキスト、画像、映像、3Dデータを統合空間コンテキストで処理し、精密なカメラ制御による最長1分の1440p動画生成や3Dガウススプラッティング出力に対応。将来のMarble製品の基盤となる。
ByteDanceがLucidaを発表：実世界の部屋を編集可能な3D空間に変換
ByteDanceの研究チームが3Dシーンモデリング手法「Lucida」を発表しました。部屋全体の動画から個別の物体を認識して独立した3Dアセットを生成し、VLMを使って正確に配置します。物体ごとに移動や編集ができるため、ロボットや身体性AIのシミュレーション環境構築が大幅に容易になります。
Viggle、動画の1フレームを描き換えるだけで全編キャラ置換できる「Viggle-Animate」をオープンソース公開
Viggleは動画キャラクター置換モデル「Viggle-Animate」を公開した。骨格推定やマスク、顔トラッキングなどの前処理を一切使わず、動画と描き換えた1フレームを入力するだけで新キャラに動作を反映する。B200 GPU1基で124フレームを26秒でレンダリング可能。
Midjourney、画像編集モデル「V8.2」のテスト公開 指示テキストでの編集やインペイントに対応
Midjourneyはコミュニティ向けに画像編集モデル「V8.2」のテスト提供を開始した。テキスト指示による編集、部分修正（インペイント）、キャンバス拡張に対応し、最大4枚の参照画像を組み合わせた生成も可能。従来の参照機能を刷新し、Web版やDiscordから試すことができる。
AdobeがPhotoshopに「AI支援エディター」追加：落書きで指示可能に
AdobeはPhotoshopに「AI支援エディター」のベータ版を提供開始した。背景削除や画像拡張などのAI機能を1つのツールバーに集約。新機能のマークアップでは、文字入力をせず画像上に矢印や図形を描くだけでAIに変更箇所を指示でき、Firefly Image 5により画像全体の文脈を踏まえた編集が可能になる。
NVIDIAがDLSS 4.5光線再構築を発表：第2世代Transformer採用で30作対応
NVIDIAは第2世代Transformerモデルを導入した「DLSS 4.5 Ray Reconstruction」を発表した。ノイズ除去と超解像を統合してゴーストを抑制し、光の描写精度を高める。NVIDIA appを通じて30タイトルで先行提供が始まっており、利用には580.88以降のドライバーが必要となる。
崩れた3Dレンダリングを修復、動画AIを活用する「FixAnything」公開
研究チームが3Dレンダリングの不具合を修復するAI「FixAnything」をオープンソース公開した。3DGSやNeRFの視点変更で生じる穴や浮遊ノイズを、動画拡散モデルの先見性を活かして補正し、整合性の取れた滑らかな動画を生成する。
Bria AI、JSONプロンプト対応の画像生成モデル「Fibo 1.5」を公開
Bria AIは構造化JSONプロンプトにネイティブ対応した8B規模の画像生成モデル「Fibo 1.5」を公開した。蒸留によりCFG不要の4〜6ステップで高速生成が可能。構図やライティングなど特定属性のみの微調整に対応し、非商用向けに重みを提供する。
Midjourney、Web版アルファのUI改善・バグ修正を実施 フォルダ整理や拡大機能を復旧
MidjourneyはWeb版「alpha.midjourney.com」向けの大規模な修正アップデートを公開した。サイドバーに折りたたみ可能なプロジェクトフォルダ階層を追加したほか、旧V8.2画像のUpscaleやVaryボタンを復旧し、プロンプト入力時のラグやギャラリースクロールの遅延を解消した。
OpenAI、GPT-Image-2 APIで「背景透過」画像生成に対応
OpenAIはGPT-Image-2 APIにおいて背景透過画像の生成機能をプレビュー提供開始した。切り抜き加工を挟むことなく、商品画像やWebモックアップ、広告グラフィックに直接合成できるアセットを生成できる。現在は開発者向けプレビューとして利用可能だ。
1本の通常動画から4Dキャラを生成 オープンソース「4DAnyone」公開
単眼の人物動画から自由な角度で観察できる4Dガウシアンスプラッティングモデルを再構成する「4DAnyone」が公開された。3D骨格情報を用いて多視点映像を補完し、従来手法より高い一貫性を実現。コードと約12GBのモデルが提供されている。
Tripo、ゲーム向け3D生成AI「P2.0 Preview」公開 四角形ポリゴンに対応
Tripoはゲームやリアルタイム処理向けに設計された3Dモデル生成AI「P2.0 Preview」を公開した。ネイティブの四角形（Quad）トポロジーに対応し、最大5万ポリゴン（三角面）または2.5万Quadのクリーンなメッシュを出力できる。全ユーザーに2回分の無料生成枠が提供されている。
「GeoWeaver」登場：通常の長尺動画からズレのない一貫した3D空間を再構築
通常の長尺動画から一貫した3Dシーンを高精度に復元する技術「GeoWeaver」が発表された。動画を小分割して深度を推定し、長距離マッチングでつなぎ合わせることでスケールやカメラ位置のドリフトを抑制。ベンチマークで最低水準の平均誤差を記録したが、現在は論文公開にとどまる。
ハリウッドとByteDanceがAI著作権で初合意：Seedanceなどの保護策を強化
米映画協会（MPA）はByteDanceと初のAI著作権協定を締結したと発表した。ByteDanceのAI動画生成ツール「Seedance」や画像ツール「Seedream」による無断生成を受け、双方が対話を重ねてIP保護機能を強化した。具体的な制限基準などの詳細は非公開とされている。
ByteDanceが全モーダル動画編集「Bernini 2」をOSS公開、モデル単体で180GB
ByteDanceは自然言語で既存動画を編集できるオープンソースモデル「Bernini 2」を公開した。カメラアングルの変更や背景の差し替え、新規オブジェクトの挿入に対応する。意味プランナーと拡散レンダラーを組み合わせた構成だが、モデル単体で180GBあり、ローカル環境での実行ハードルは極めて高い。