OpenAI、テキスト→最長1分の動画の生成AI「Sora」発表 一般公開はせず
米OpenAIは2月15日（現地時間）、テキストプロンプトから最長1分の動画を生成するAIモデル「Sora」を発表した。一部のユーザーに公開し、フィードバックに基づいて改善していく計画。 SoraのWebページ（リンクは記事末）は「Soraは、テキストの指示から現実的で想像力豊かなシーンを作成できるAIモデルだ」と謳っている。このページには多数の動画が掲載されているが、すべてSoraが生成し、修正していないものという。 複数のキャラクター、特定の種類のモーションなどを含む複雑なシーンを生成できるとしている。ユーザーがプロンプトで何を要求したかだけでなく、物理的な世界で実際にどのように存在するかも理解するという。 例として挙げられた動画の1つは、「スタイリッシュな女性が、暖かく輝くネオンとデジタルサイネージで満たされた東京の通りを歩いている。彼女は黒い革のジャケット、赤いロングドレス、黒いブ
Googleが超高品質な動画生成AI「Lumiere」を発表、フレーム同士のつながりが自然で「テキストや画像から動画生成」「写真の一部を動画化」「動画の一部分を指定して加工」などなど機能てんこもり
Googleの研究チームが動画生成AI「Lumiere」を2024年1月24日(水)に発表しました。Lumiereではフレーム同士が自然につながった違和感の少ない動画を生成可能で、テキストや画像を入力して動画を生成できるほか、動画の一部分を指定して別の動画に置き換えたり、写真の一部分だけを動かしたりといった操作も可能です。 Lumiere https://lumiere-video.github.io/ テキストや画像を入力して動画を生成できるAIは数多く存在していますが、それらのAIの多くは「フレームを複数枚生成し、フレーム同士を補間する」という手法で動画を生成しているため、フレーム同士のつながりが不自然になりがちです。一方で、Lumiereは「動画全体のフレームを一度に生成する」という手法を採用しており、フレーム同士のつながりが自然で違和感の少ない動画を生成可能。生成可能な動画のフレー
Stable Video Diffusion のご紹介 — Stability AI Japan
本日、私たちは Stable Video Diffusion を公開しました。これは、画像モデル Stable Diffusion に基づく最初の基盤モデルで、動画生成用です。 現在、研究プレビューとして公開されているこの最先端のAI動画生成モデルは、あらゆるタイプの人々のためのモデルを作成するための私たちの旅の重要な一歩を表しています。 この研究リリースでは、Stable Video Diffusion のコードを GitHub リポジトリで公開し、ローカルでモデルを実行するために必要なウェイトは Hugging Face のページで見ご確認いただけます。モデルの技術的能力に関するさらなる詳細は、私たちの研究論文で確認できます。 様々なビデオアプリケーションに適応 このビデオモデルは、単一画像からのマルチビュー合成など、様々なタスクに簡単に適応させることができます。私たちは、Stable
GAUSS、AIの画像解析を用いたファッションEC向け動画編集システム「Zooom」をリリース
ECzine Day（イーシージン・デイ）とは、ECzineが主催するカンファレンス型のイベントです。変化の激しいEC業界、この日にリアルな場にお越しいただくことで、トレンドやトピックスを効率的に短時間で網羅する機会としていただければ幸いです。
Hao Li、フォトリアリスティックな動的顔面置換技術のデモ映像を公開。トランプ大統領の顔面だけを本物に、髪や輪郭そして顔の動きは別人のモノマネ者
Hao Li、フォトリアリスティックな動的顔面置換技術のデモ映像を公開。トランプ大統領の顔面だけを本物に、髪や輪郭そして顔の動きは別人のモノマネ者 2017-11-06 Pinscreen CEOのHao Li氏は、米国のメディア「WIRED」とコラボレーションしてフォトリアリスティックなデジタル顔面置換技術のデモ動画を公開しました。 デモ映像では、トランプ大統領のモノマネをするJohn Di Domenico氏の顔面だけを、トランプ大統領の動的顔モデルに置き換えて実証している様子が映し出されます。 髪型、耳、輪郭といった外枠は偽物で顔の表面だけを本物にし、顔の動きは偽物と同じ動きを本物の顔モデルにさせるといったものです。 顔のデジタル化、トラッキング、リターゲティング技術などを使用することで実証、フォトリアリスティックな仕上がりを確認することができます。
AVA: A Video Dataset of Atomic Visual Action
AVA is a project that provides audiovisual annotations of video for improving our understanding of human activity. Each of the video clips has been exhaustively annotated by human annotators, and together they represent a rich variety of scenes, recording conditions, and expressions of human activity. We provide the following annotations. AVA-Kinetics, our latest release, is a crossover between th
｢このふたりは握手シマス...｣→シター！ MITの新たなAIはビデオを見て先を予測できる
｢このふたりは握手シマス...｣→シター！ MITの新たなAIはビデオを見て先を予測できる2016.06.24 12:01 塚本 紺 応用法を当てられた人は賢い！ MITコンピュータ科学・人工知能研究所（CSAIL）で新しく開発されたアルゴリズムは、ビデオに映っている複数の人間が次に何をするか予測できるそうです。 ほう...なぜそんなことをコンピュータが学ぶ必要が？と思いますよね。 たとえばTVドラマの中でふたりの人間が近づいたら、｢予測：握手する（Prediction: handshake）｣｢予測：キスをする（prediction: kiss）｣という具合に予測するんです。こちらのデモンストレーション動画では見事にバシバシ当てていっています。 テレビに設置することであらゆるドラマ・映画のエンディングを予測してしまう究極のネタバレ装置をMITは開発しようとしている...わけではありません
グーグル、Live Photosの手ブレを補正するアプリ「Motion Stills」を公開
Googleが、iOS向けの新しいアプリ『Motion Stills』を公開しました。 Google Researchによる技術を応用したこのアプリは、Live Photosの背景を固定したり、カメラロール内のムービー・連続した写真からアニメGIFや動画を作成する、といったことができます。 例えば、撮影時に手ブレしてしまったLive Photosを、背景のみを固定したGIFアニメに変換してくれます。 image : Google 撮影しながらカメラの向きを変えたり、移動したようなLive Photosの場合も、滑らかな作品に変換してくれます。 image : Google この種の画像分析は複雑な演算処理を必要としますが、新しい技術によりサーバーにデータをアップロードすることなく、モバイル上で全ての処理を行っているとのこと。 image : google そのほかにも、連続して撮影した写真
TechCrunch | Startup and Technology News
It turns out the space industry has a lot of ideas on how to improve NASA’s $11 billion, 15-year plan to collect and return samples from Mars. Seven of these… When Bowery Capital general partner Loren Straub started talking to a startup from the latest Y Combinator accelerator batch a few months ago, she thought it was strange that the company didn’t have a lead investor for the round it was raisi
Engadget | Technology News & Reviews
The ‘audio earrings’ Kamala Harris didn’t wear during the debate barely even exist
Scalable 3D Tracking of Multiple Interacting Objects - CVPR 2014
We consider the problem of tracking multiple interacting objects in 3D, using RGBD input and by considering a hypothesize-and-test approach. Due to their interaction, objects to be tracked are expected to occlude each other in the field of view of the camera observing them. A naive approach would be to employ a Set of Independent Trackers (SIT) and to assign one tracker to each object. This approa
VATIC : カリフォルニア大Irvine校によるフリーの動画アノテーションツール | DERiVE コンピュータビジョン ブログ
このサイトについて DERiVEはコンピュータビジョン、画像認識が専門のMasaki Hayashiがお送りしている、コンピュータビジョン(Computer Vision)を中心としたITエンジニア、研究向けのブログです。※「DERiVE メルマガ別館」は2015/9月で廃刊致しました、 Tweet VATIC(Video Annotation Tool from Irvine, California)という無料でオープンソースのオンラインでの動画アノテーション（=ラベル付け）のツールを紹介します。以下がそのツールが公開されている公式サイトです http://web.mit.edu/vondrick/vatic/ VATICはカルフォルニア大Irvine校のDeva Ramanan先生のラボから発表されたツールです（以下、そのpublicationとしてのジャーナル論文）。 Carl Vo
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
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
Stability AI、動画生成AI「Stable Video Diffusion」のAPIを公開
Engadget | Technology News & Reviews
TechCrunch | Startup and Technology News
TechCrunch | Startup and Technology News
YouTube動画内の人物をタグ付けし、自動トラッキング可能な「WIREWAX」がスゴイ！ - 夕刊アメーバニュース
人工知能が動画から見たいシーンを探してくれる検索システム
機械学習で「無駄なシーン」を自動削除してくれる動画編集ソフト
動画の中の人が何をしているか分かるアルゴリズム、開発される