画像生成AI、逆流を抑え指示への忠実度向上
画像生成AIが途中経過の誤りを自らの文章理解に反映し、ずれを固定化する現象が判明した。この逆流を抑える新手法SFGは、追加コストを抑えつつ指示への忠実度を高める。

85 件
画像生成AIが途中経過の誤りを自らの文章理解に反映し、ずれを固定化する現象が判明した。この逆流を抑える新手法SFGは、追加コストを抑えつつ指示への忠実度を高める。

撮影後にカメラ動作を変える生成AI再撮影では、未撮影部分の捏造が撤収後に発覚する課題がある。新手法は現場で破綻リスクを即時に可視化し、手戻りの抑制を目指す。

台湾の研究チームが、静止した3D空間に多様な動きを与え、どの視点からも途切れず循環させる手法OuroWorldを発表した。3D空間の「動く資産」化を低コストで進める技術として注目される。

画像編集AIが人手の正解画像も外部の採点モデルも使わず、自らの生成物だけで性能を高める手法Rubric-CEPRが登場した。教師データ作成の負担を軽くできる可能性がある。

研究チームが、動画生成AIの内部表現を圧縮しつつ品質を保つ手法GRACEを発表した。トークン数を8分の1、遅延を11.1分の1に減らし、動画制作の計算コストを下げる道を開く。

動画に後から加えた物体が、持ち上げられるなど元映像の動作と噛み合うよう編集するAI「ALIVE」が登場した。撮り直しに頼ってきた広告・研修動画の制作工程を変える可能性がある。

画像生成AIの内部状態に自然言語で質問し、生成途中の絵の中身を読み取る手法が提案された。内部情報を品質改善にも使えると示した点で、制作現場の品質管理に影響しうる。

米研究チームは、1枚の画像から3Dシーンを作り、カメラと被写体の動きを同時に指定できる動画生成システムGenCineを発表した。広告や映像制作の工程短縮に直結する技術である。

3Dガウシアンアバターの動作計算を線形近似へ蒸留する手法GALAが登場した。CPU負荷を最大3桁削減し、モバイルで60fpsを実現する。メタバースや接客分野の導入費用を左右し得る。
米研究者らが、学習済みの画像生成AIに手を加えず、エッシャー「プリント・ギャラリー」風の自己参照構図を生成する手法を提案した。画像と歪みを同時に生成する点が特徴である。

動画内の看板やラベルの文字を、背景の動きを保ったまま差し替える技術の評価基準「ViTeX-Bench」が公開された。広告やEC、多言語展開の制作工程を変え得る基盤として注目される。

米アドビなどの研究チームは、画素拡散モデルに敵対的学習を後付けし、構造を変えず画像の微細な質感を回復させる手法を示した。生成画像の品質向上を低コストで狙える点が注目される。
香港中文大学系などの研究チームは、画像を見て自ら描き直す統合モデルに強化学習を適用する手法を開発した。外部の検証器なしで生成品質が向上し、実務展開の負担軽減が期待される。

動画拡散モデルを4回の推論で動かす蒸留手法に、学習の劣化を抑える新手法PDMDが登場した。コード1行の変更で品質が向上し、動画制作の生成コスト削減に寄与する可能性がある。

国際研究チームが、画像生成AIの内部表現統合を頑健化する新手法「FuseReg」を発表した。エンコーダー層の組み合わせをランダムに学習させることで、モデル再学習なしに生成品質を最大29%改善できるという。

仏研究チームが成分数未知のガウス混合モデルを安定推定する新アルゴリズムを開発。従来のEMアルゴリズムより過大指定に強く、クラスタリング業務の試行錯誤コスト削減が期待される。

研究チームが、動画生成AIの指示文を映画監督レベルの絵コンテへ自動変換する3970億パラメータのモデル「WanPE」を開発した。30秒動画で人間評価が50.86ポイント向上し、広告・映像制作業務の効率化に直結する。

研究チームは、映像・音声・言語の一部が欠けても人の感情を推定できる手法SemMSAを提案した。SIMS、MOSI、MOSEIの3ベンチマークで最高水準の性能を示し、顧客対応や市場調査での実用化が焦点となる。

Shufan Sun氏らの研究チームは、室内の1枚の画像から物体の位置関係まで整合した3Dシーンを復元する枠組み「HARMONY」を発表した。不動産や小売などで3D化の工程を簡素化する可能性がある。

Tencent等の研究チームが、視点を跨いでも矛盾のない映像を生成する動画ワールドモデル「WorldCrafter」を発表。分単位の探索でも破綻しない映像生成は、不動産内覧やゲーム開発の実務利用に道を開く。
