Midjourneyの生成画像。12月のアップデートのv6では、写真と変わらないような画像が生成されることが話題となっている。この画像のような世界を動き回れるようになるのだろうか（筆者作成） 画像生成AIサービス「Midjourney」のオフィスアワーがあったのが1月4日。アメリカ時間で1月3日ですかね。オフィスアワーというのは、MidjourneyがDiscord上で月に1回開いて、いろいろユーザー向けに今後どのようにサービスが展開されるのかを説明するミーティングです。その会合に参加していたNick St. Pierreさんの報告によると、Midjourneyのデイヴィッド・ホルツCEOが「2024年末までにホロデッキに到達できる」と話したと言うんですね。「2024 年末までには、リアルタイムのオープンワールドが実現できればと思っています」とも言い、画像生成AIが、単にイラストといった画

スタンフォード大学インターネット天文台(SIO)の調査により、画像生成AI「Stable Diffusion」などのトレーニングに利用されているオープンデータセットの「LAION-5B」に、児童性的虐待画像(CSAM)が含まれていることが明らかになりました。CSAMの疑いのある画像は3226枚で、そのうち1008枚が外部機関の検証によりCSAMであると確認されました。 Investigation Finds AI Image Generation Models Trained on Child Abuse | FSI https://cyber.fsi.stanford.edu/io/news/investigation-finds-ai-image-generation-models-trained-child-abuse Largest Dataset Powering AI Imag

このところ画像生成AI界隈で話題になっているのが、「Latent Consistency Models（レイテント・コンシステンシー・モデル」（以下「LCM」）。10月6日に中国精華大学のシミアン・ルオさんが中心となって発表された論文で、日本語にすると「拡散的一貫性モデル」。新しいタイプの効率性の高い生成モデルを使い、Stable Diffusion＝安定拡散モデルより高速に画像を生成。結果としてビデオメモリーの少ないローレベルのPCでも画像生成AIを動かせるようにしようというものです。 0.5秒で4枚出力。Stable Diffusionの5倍 Stable Diffusionの拡散モデルは、ランダムなノイズ情報から、学習済みの特徴点データを利用することで、段々と画像を生み出していくサンプリングプロセスを繰り返します。それによって画像を生成する仕組みです。通常、1枚の画像を生み出すのに必

米Googleは10月25日（現地時間）、検索結果の画像の情報を確認できる「この画像について」機能を、まずは英語版で提供開始したと発表した。昨年4月に発表した「この結果について」の画像版だ。 検索結果の画像右上に表示される縦［…］をタップすると表示されるメニューに「About this image」という項目があり、これをタップすることで「この結果について」と同様に、画像が初めてインデックスに登録された時期や、複数のWebサイトに掲載されている場合は、そのWebサイトの一覧が表示されるようだ（本稿執筆現在、Google検索を英語版にしても筆者の環境ではまだ使えなかった）。 関連記事 Google、AI検索「SGE」に画像生成と文書下書き機能を追加 GoogleはGoogle検索の生成AI機能テスト「SGE」に、画像生成と文書下書きの2つの機能を追加した。画像生成は同社のImagenを採用し

はじめに 今、巷で高精細で描写の崩壊がしにくいと言われる、OpenAI社のDALL-E 3が話題ですね！ DALL-E 3の前身であるDALL-E、DALL-E 2で使用されているDALL-Eアーキテクチャと、現在主流になっているStable Diffusionは何が違うのかを説明していきたいと思います。 今回の内容は、比較的専門用語が飛び交うので、事前知識がないと「？？？」となるかもしれません。ご了承ください…。 事前知識はこちらをご覧ください。 DALL-Eとは DALL-Eの読み方は「ダリ」です。 DALL-Eはシュールレアリスム画家のサルバドール・ダリが名前の由来になっています。 DALL-Eは現在も進化を続けており、非常に精細で描画の崩壊が抑えられていると話題になっています。 OpenAI社が提唱したDALL-Eアーキテクチャを使用して動作しており、自然な描写、フォトリアリズムに

百聞は一見に如かず。これってAI生成グラビア？AI画像生成に興味を持ったのは去年の年末頃だろうか。Twitterを眺めていると「どうやって撮った(作った)んだ？」と言う画像がたまに載っていたので調べると、Stable Diffusion Web UI (AUTOMATIC1111版)だった。 元々グラビアを撮っていたこともあり、あまり撮らなくなってもグラビア好きなのには違いなく、試したくなったのは言うまでもない。 AI生成画像は大きく分けて2種類あり、一つはイラスト系、もう一つはリアル系。筆者が興味を持ったのは後者。どこまで実写に迫れるのかがその興味の対象だ。百聞は一見に如かず。扉の写真はAI生成画像。現時点でこの程度の写りは容易にこなす。 とは言え、実際の撮影もそうなのだが、グラビア写真は数百枚撮ってカメラマンがある程度セレクトし納品したものが、納品先で更に絞られ、出版社などで更に絞り込

TL;DR ESD の手法で LoRA を学習してみたらそれっぽい感じのことができたよ VRAM 8GB で余裕で学習できるようになったよ (元は20GB要求) LoRA として保存できるようになったので重みの取り回しが良くなったよ マイナス適用によって、概念を削除するだけでなく強調することもできたよ 一度でも画像生成 AI に触ったことがあると、より楽しんで読めると思います。 論文とかどうでもいいから学習方法知りたい！ という方は 実際に学習してみる へどうぞ！ 今回作成したもの コード: モデルなど: 前提 Stable Diffusion とは、Stability AI らが公開したオープンソースの画像生成 AI であり、テキストによる指示で様々な画像を生成することができる。 本来の Stable Diffusion は、実写画像や海外風のイラストを出力することが得意だが、アジア系の

「Windowsの壁紙」と聞いて「青空を背景に緑の丘が写るWindows XPの壁紙」を真っ先に思い浮かべる人は多いはず。この「Windows XPの壁紙」の高解像度版をMicrosoft公式が公開していることが話題になっていたので、実際にダウンロードしてWindows 10やWindows 11の壁紙に設定してみました。 Today I stumbled upon Microsoft’s 4K rendering of the Windows XP wallpaper | Ars Technica https://arstechnica.com/gadgets/2023/06/i-just-found-out-that-microsoft-made-a-4k-version-of-the-windows-xp-wallpaper/ 「Windows XPの壁紙」はMicrosoftの壁紙

小野マトペ @ono_matope "ねば～る君に「納豆好きネバか？」と聞かれた首相は「はい、大好きです」と即答した。ねば～る君は数メートルの高さに伸びて喜びを表現した。" 「世界を混ぜて絡ませて」納豆の妖精が岸田首相に「粘り腰」のススメ [岸田政権]：朝日新聞デジタル htn.to/QKVkJxbPHB 2023-05-17 21:35:30 リンク 朝日新聞デジタル 「世界を混ぜて絡ませて」納豆の妖精が岸田首相に「粘り腰」のススメ：朝日新聞デジタル 岸田文雄首相は17日、茨城県の非公認キャラクターの納豆の妖精「ねば～る君」と首相官邸で面会した。ねば～る君は19日から広島で開かれる主要7カ国首脳会議（G7サミット）を控える首相に、「納豆を食べて粘… 34

いつもFANBOXをご利用いただきありがとうございます。 現在、FANBOXにおけるAI生成作品の取り扱いに関して多くのご意見をいただいております。急激に発展している技術への対応が追いついておらず、皆さまにご迷惑をおかけしていることを深くお詫び申し上げます。 皆さまからのご意見や現状を考慮し、私たちFANBOX運営の...

ねねこ @noahsun_bird これ、ご本人と話し合い、AI生成画像であることは確定したんだけど、本人に全く悪意がないというか…自己顕示欲じゃなくただAIに騙されていただけと言える事案なことが判明しました。 twitter.com/noahsun_bird/s… 2023-05-02 14:47:48 ねねこ @noahsun_bird とある有料アプリで、AIによる画質改善サービスというものがあり、遠くの鳥やブレた鳥の写真を読み込ませると勝手にトリミング・画質改善してくれるとのこと。それを通した結果、ありえない写真・存在しない鳥のできあがり。ご本人は写真が綺麗になって嬉しい😊と思っていた、悪意は全く無かったと。 2023-05-02 15:10:32

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。Twitter: ＠shiropen2 英グラスゴー大学に所属する研究者らが発表した論文「Computational Ghost Imaging with the Human Brain」は、見えない向こう側の物体の反射光を見た脳活動から、その物体を画像として再構築するブレインコンピュータインタフェース（BCI）を提案した研究報告である。物体は壁に隠れて見えないにもかかわらず、反射光を見た際の脳信号を分析することでリアルタイムに物体の画像化が行える。 壁に反射した光から見えない向こう側にある隠れた物体の画像を計算で再構築する手法は、これまでにも報告されている。向こう側の光源の照明パターンを変

勝手に恒例としてきました50選シリーズ、第三弾は、ファッションコーディネートです！ 今回はどんな素敵なコーディネートが展開されるのか！ 私がファッション詳しくないので、今回はコメントなしです！ 設定は 今回は、顔が小さくなるんで、解像度上げないと可愛くならなそうなのでhires入れてます。 で、プロンプトは ...

こんにちはこんばんは、teftef です。今回は大阪大学から出た fMRI 画像から Stable Diffusion を用いて画像生成する論文をベースに Brain 2 Image について書いていこうと思います。 私もまだ初学者であり、説明が間違っていたり勘違いがある可能性が 0 ではないということをご了承ください。ぜひコメントなどをいただけたら幸いです。また、この記事を作成するにあたり、GPT-4 による校正、修正が含まれています。 それでは行きます。 初めに　今回のコンセプトは、人間の脳で処理されていることを間接的に取り出し、それを画像として表現させるということです。私たちが使っている Stable Diffusion や Midjourney などの Text2Image では自然言語をベースにバラエティ豊かな画像を生成することができます。最近では ControlNet や La

2022年を境に爆発的な流行を見せはじめた AI 画像生成。コアとなる拡散モデルの基礎解説、研究領域で育てられた技術が一般層にまで羽撃いた変遷、その過程で生じた解決されるべき問題点、および日進月歩で増え続ける発展的な手法群について、網羅的に流れを追いかけるメタサーベイを作成しました。 明日にでも世界が一変しうる流動的な分野において、情報のまとめとは必然的に古くなっていくものです。そんな奔流の中にあっても、本資料が、これまでの歴史を俯瞰し、これからの成長を見据えるための礎として、幾許かでも皆様のお役に立てればと心より願い、ここに筆を置きます。

Stable Diffusionなどの画像生成AIに、特定の画像や画風を特定の単語に圧縮してAIに指示することで、自分の生成したい画像を任意の画像によく似せる「最適化」が可能です。テル・アビブ大学のコンピューター科学者であるリノン・ガル氏らのチームが、たった1枚の画像と5～15ステップの調整で画像の最適化を実現する方法を発表しました。 [2302.12228] Designing an Encoder for Fast Personalization of Text-to-Image Models https://doi.org/10.48550/arXiv.2302.12228 Encoder-based Domain Tuning for Fast Personalization of Text-to-Image Models https://tuning-encoder.github

※本記事は、研究及び資料の目的で書きました。（新しいモデルもなるべく追加するつもり…と書いたのですが、多すぎて実施できませんでしたm(._.)m） ※本記事の内容（画像等）は自由にご利用いただけます。ただし、筆者は一切の責を負いませんので、自己責任でお願いします。 1. アスカチャレンジについて　ハローアスカとも呼ばれていて、NovelAIのリークモデルのチェックに使用しているテストです。具体的には下記の設定でt2iの出力を行い、モデル間の比較を行います。 masterpiece, best quality, masterpiece, asuka langley sitting cross legged on a chair Negative prompt: lowres, bad anatomy, bad hands, text, error, missing fingers, extr

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。Twitter: ＠shiropen2 米Google、米DeepMind、スイスのETH Zurich、米プリンストン大学、米UC Berkeleyに所属する研究者らが発表した論文「Extracting Training Data from Diffusion Models」は、テキストから画像を生成する拡散モデルが学習データとほぼ同じ画像を生成していたことを実証した研究報告である。 これは学習データの各画像を拡散モデルが記憶し、生成時にほぼ同一を出力していたことになる。個人を特定できる顔写真や商標登録されたロゴも含まれていたため、今回の結果はプライバシーや著作権の問題も深く絡むことになる