![【西川和久の不定期コラム】 Stable Diffusionで写真1枚から顔を似せるには?いろいろなFaceコントロールを試してみる](https://cdn-ak-scissors.b.st-hatena.com/image/square/470d81182d1efddfb558f5e4132f565d12a400c4/height=288;version=1;width=512/https%3A%2F%2Fpc.watch.impress.co.jp%2Fimg%2Fpcw%2Flist%2F1562%2F463%2FC01.jpg)
画像生成AI「Stable diffusion」の開発元であるStability AIが、参考画像を指定するだけで「参考画像に似た画像」を生成してくれるサービス「Stable diffusion reimagine」をリリースしました。記事作成時点では一部機能を無料で使用可能だったので、実際に使ってどんな画像を生成できるのか試してみました。 Stable diffusion reimagine https://clipdrop.co/stable-diffusion-reimagine Stable Diffusion Reimagine -Stability AI https://ja.stability.ai/blog/stable-diffusion-reimagine Stable diffusion reimagineにアクセスすると、以下のような画面が表示されます。画面内の点線
2月17日、「AIコスプレイヤー」というワードがTwitterトレンドに入った。話題のAIイラスト生成技術で作られた実在しないコスプレイヤーのイラストをインフルエンサーが拡散。写実的な画風やセクシーさも相まって「もう人間はいらないのでは」「コスプレと関係ない」などと賛否両論の声が出ている。 実際に画像を見てみると、確かにセクシーかつ、一瞬写真と見間違えるようなクオリティーだ。よく見るとおかしな点はあるが、ぱっと見はよくあるグラビアアイドルやモデルの写真とそっくりに感じる。 果たして、どうやって作ったんだろう──そう思って作り方を調べてみたところ、記者のような文系・非ITエンジニアでも似たようなものが生成できそうなことが分かった。一方で、その生成過程にはインモラルな“無規制地帯”が関わっていることも見えてきた。 AIコスプレイヤーの作り方 必要なのは…… そもそも話題のAIコスプレイヤーはど
ご意見:この写真はAIの成果物で、そこを忘れないようにしないと ご意見:筆者の精神がおかしくなっていそう 忘れていないので、こうして記事にしているわけです。ただ、これをブラックボックスとして出してしまうと、信じてしまう人が出てくるかもしれません。そういう意味でもこういうことが技術的に可能であることを知ってもらう意義はあると思っています。 熱愛していた人を取り戻そうという人物は、そのために人類を補完しようとか、怪獣の細胞と合体させたり、ミトコンドリアがどうのこうのとかやりがちなのはフィクションのことで、彼らにも筆者のような技術があれば悪の道に走らなかったのではないかと、個人的には思います。残されたものの精神の安定には役立つと思います。現に、妻の歌声をコンピュータで再現する取り組みについては、死別し残された人の心のケアをするグリーフケアの観点から何度か取材を受けています。 ご意見:捏造した写真
AI作画サービスのMemeplexを使って、並行世界にいる(という設定の)妻の写真を撮り続け、保存しているだけで700枚、試行回数は数千を超えています(こちらは数えていませんが)。 この試みを初めて10日。だいぶノウハウが溜まってきたので、ここらで今までわかったことをメモしておこうと思います。同じことをやりたいという人の参考になれば。 亡き妻の「新しい写真をAI作画で撮る」記事への反響はかなり大きく、「これは供養ではない」「他の家族の了承は取ったのか」みたいなネガティブな反応もいくつかありましたが、共感してくださる方が圧倒的に多いです。自分が知る限り、一般的なサービスを使ってこのようなことをしたのは自分が最初の例だと思うので、当然ながら戸惑いはあると思います。「もにょる」方も一定数いらっしゃいますが、中には自分も親族の写真で挑戦したいというコメントもあり、こうしたことが受け入れられる下地は
知人や他人が写り込んだ写真を知人や他人に許可なくSNSに投稿すると、インターネット上で誰でもアクセスできる。そのため、画像認識系の機械学習モデルのデータセットの一部として訓練に用いられ、悪用される可能性がある。 そこでこの研究では、共有したくない写り込んだ顔だけを偽の顔に置き換える深層学習モデル「MFMC」を提案する。ここでいう偽の顔とは、頭部姿勢や表情、光の反射具合はそのままに、年代や性別も維持した状態で、画像認識モデルに特定されない別人の顔を意味する。 モデルは、ArcFaceを用いて512の特徴量を持つ顔を抽出し、InsightFaceを利用して性別と年齢に基づく分類を行い、潜在空間における方向性に利用する。ディープフェイク生成にはSimSwapライブラリを用いる。 実際のデータセットについては、多様な環境をカバーするFacial Descriptors Datasetのpartyサ
Innovative Tech: このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 香港城市大学と米Microsoft Research、Microsoft Cloud+AIによる研究チームが開発した「Bringing Old Films Back to Life」は、劣化の激しい古い白黒映画を修復しカラー映像に変換する深層学習フレームワークだ。古い映像にある独特のフィルムノイズなどを修復し、色付けを行う。 古い映画は、現代の観客の心にも響き感動を与えるが、フィルムの経年劣化による解像度の低下やアーチファクトにストレスを抱える視聴者もいるだろう。 このような古い映画をよみがえらせるために、映画の修復技術が開発されてきたが、1コマずつ丹念に調べ、傷のレタッチ、ちらつきの修正
米企業が運営する大手マッチングアプリ「Tinder」日本版に、登録したプロフィール写真が本人のものだと証明するための新機能「なりすまし防止機能」が4月から順次導入される。プロフ写真と、その場で撮った自撮り写真をAIで照合。本人だと確認されれば、プロフィールに青いチェックマークが表示される。 なりすまし防止機能を起動すると、ポーズをとったモデルの写真が表示される。その場で同じポーズを自撮りして送信すると、AIが自撮り写真と登録されているプロフィール写真を照合し、同一人物か判断する。別のポーズで自撮りを撮影して、計2回照合すれば完了だ。表示されるポーズは人によって異なる。 同社は「安全対策の開発・強化専門のTrust&Safety チームと高い技術を持つTechnologyチームの連携により、今後も会員の安全対策に取り組む」と述べている。 関連記事 Tinderが有料機能を開放 「人々の不安や
東映アニメーションは3月12日、AIベンチャーのPreferred Networks(以下、PFN)のAI技術を活用してアニメ制作を効率化する実験を行ったと発表した。背景写真をアニメ調やサイバーパンク調に自動変換することで、美術クリエイターが画像の前処理にかける時間を従来の約6分の1に短縮できた。 長崎県佐世保市を舞台にした実験作「URVAN」(ウルヴァン)の制作に、画像処理AIを搭載したPFNの背景美術制作支援ツール「Scenify」(シーニファイ)を活用。佐世保市で撮影した風景写真をアニメ用の背景美術に自動変換し、美術クリエイターの負担を削減した。 背景美術の制作工程は、写真の配置、色調補正、アニメ調に変換、微調整、サイバーパンク調に加工の5段階。Scenifyはアニメ調に変換するとともに、キャラクターの前面に来るパーツと背面パーツに分ける作業や、空白部分を自然に塗りつぶす作業などを担
早稲田大学の研究グループが発表した白黒写真を自然な色味に自動彩色する手法を、Webブラウザ上で実行できるサービスをmecab(@mecab)さんが公開した。 早大の研究グループが発表したのは、大量の白黒・カラー画像の組から、色づけの手がかりとなる特徴をディープラーニングにより学習し、その特徴を使って白黒画像をカラーに変換する技術。ユーザーテストでは、約90%が「色付け結果が自然だ」と回答したという。 mecabさんが公開したWebサービスは、論文の著者らがGitHubで公開しているデモ実装を基に、ブラウザ上で動作するようにアレンジしている。画像をアップロードすると、1度グレースケール画像に変換した後に、この手法でカラー化した結果を表示する。 学習データの関係上、屋外で撮影した写真の方がよい結果が出やすいようだ。mecabさんは「海についてはむしろより自然色に近くなっているように見える。すご
Example input grayscale photos and output colorizations from our algorithm. These examples are cases where our model works especially well. For randomly selected examples, see the Performance comparisons section below. Welcome! Computer vision algorithms often work well on some images, but fail on others. Ours is like this too. We believe our work is a significant step forward in solving the color
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く