Stability AIが「DeepFloyd IF」公開:画像内の文字描画が劇的進化
Stability AIとDeepFloydは画像生成モデル「DeepFloyd IF」を研究向けライセンスで公開した。言語モデルT5-XXLをエンコーダに採用し、従来の課題だった画像内の鮮明な文字描画や複雑な空間配置を実現している。現在は研究用だが、将来的な完全オープンソース化も予定されている。
Stability AIとDeepFloydは画像生成モデル「DeepFloyd IF」を研究向けライセンスで公開した。言語モデルT5-XXLをエンコーダに採用し、従来の課題だった画像内の鮮明な文字描画や複雑な空間配置を実現している。現在は研究用だが、将来的な完全オープンソース化も予定されている。
Siftedが報じた流出資料によると、Stability AIは2022年10月に1億100万ドルのシリーズA調達を実施した際、Stable Diffusionなどの開発実績や他社との共同創業関係を誇張して説明していた疑いが浮上しました。自社が真に知的財産を保有していない可能性が指摘されています。
Stability AIはオープンソースの大規模言語モデル群「Stable LM」のAlpha版を公開した。まずは30億と70億パラメータを提供し、1.5兆トークンで学習。基本モデルは商用利用可能なCC BY-SA-4.0で配布される。巨大なクラウドAPIに縛られず、ローカル端末上で動かせるのが最大の強みだ。
Stability AIは画像生成モデル「Stable Diffusion XL(SDXL)」を発表した。35億パラメータを備え、高解像度かつ写実的な画像生成に対応する。クリエイターや開発者にとって、より高品質で表現力豊かなビジュアル制作が可能になる。
Semaforなどの報道によると、画像生成AI「Stable Diffusion」を手がけるStability AIが急速な資金燃焼と収益化難航により深刻な経営危機に直面している。昨年調達した1億ドルを大幅に消費し、評価額40億ドルを目指す次期ラウンドも暗礁に乗り上げているという。
Stability AIがClipdropの新機能としてStable Diffusion Reimagineを公開した。複雑なプロンプトを入力することなく、1枚の画像をアップロードするだけで構図やディテールの異なる類似画像を無限に生成できる。元画像のピクセルを直接再利用しない仕組みで、モデルは後日オープンソース公開予定。
Stability AIは画像処理スイート「Clipdrop」を手掛けるInit MLを買収したと発表した。同社初の買収案件となる。1500万人超のユーザーを抱えるInit MLは完全子会社として独立運営され、今後はStability AIの最新生成モデルをClipdropへ順次統合していく方針だ。
Bloombergによると、画像生成AI「Stable Diffusion」を手がける英Stability AIが、約40億ドルの評価額で新たな資金調達を検討しているという。同社は昨年10月に評価額10億ドルで1億100万ドルを調達したばかりで、最終的な調達額や評価額はまだ変動する可能性がある。
Getty Imagesが米デラウェア州連邦地裁でStability AIを提訴した。画像生成AI「Stable Diffusion」の学習に1200万枚以上の著作権画像を無断使用したと主張している。該当モデルの破棄や損害賠偿を求めており、AI学習の正当性を巡る重要判例になりそうだ。
3名の独立系アーティストが、無断で作品を学習データに使用されたとして、Stability AIやMidjourney、DeviantArtを相手取る集団訴訟をサンフランシスコで起こした。作家名を入力するだけで画風を模倣できる現状に抗議しており、生成AI企業が著作権侵害でクリエイターから法廷闘争を挑まれる初の事例となった。
Getty Imagesはロンドン高等裁判所でStability AIを提訴した。「Stable Diffusion」の学習用に数百万点もの著作権画像を無断コピーしたと主張している。Getty側はAI技術自体には肯定的で他社への正規ライセンス実績もあるとし、同社のライセンス回避を批判している。
3 人のアーティストが Stability AI、Midjourney、DeviantArt に対し、著作権侵害などを理由に集団訴訟を提起した。同意や補償なしに大量の画像を AI 学習に利用し作風を模倣していると主張し、損害賠償と差止を要求。AI によるデータ学習がフェアユースに該当するかを問う重要な裁判となる。
英紙ガーディアンはLensaやMidjourneyなどの画像生成AIがクリエイターの雇用や著作権に与える影響を分析する記事を掲載した。作風の無断学習に対する反発からオプトアウトを支援する動きも出ているが、画風の保護を巡る法制度は依然として不透明だ。
画像生成AIの中核技術である拡散モデルの歩みと仕組みが解説された。熱力学に着想を得たこの技術は、ノイズから元のデータを復元する逆過程を学習し、OpenAIのCLIPと組み合わせることで精度の高い生成を可能にした。現在では画像にとどまらず、音楽生成やタンパク質設計など医療分野へも応用が広がっている。
Kickstarter は成人向け AI 画像生成を目指す Unstable Diffusion のクラウドファンディングを規約見直しに伴い中止した。867 人の支援者から集まった 5.6 万ドル以上は全額返金される。アーティストからの激しい抗議を受け、AI プロジェクトの著作権や安全性の基準が問われている。
スタンフォード大学の研究チームは、Stable Diffusionを微調整して病変を含む胸部X線画像を生成する手法を発表した。専用の膨大な計算資源を使わずに医療画像を合成でき、希少疾患の研究データ不足解消に道を開く。ただし多様性やライセンス上の制限が残る。
画像生成AI「Stable Diffusion 2.0」が公開され、新機能「depth2img」が追加された。単眼深度推定モデル「MiDaS」を用いて元の幾何学的構造を維持できるため、3Dクリエイターは簡易なグレイボックスから構図を崩さずにAIで質感やライティングを試行できる。