GMM推定に新手法、EMより頑健と実証
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。

90 件
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。

研究チームが外部ツールを自律的に使い分けて動画を生成するAIエージェント「VideoGen-Agent」を開発した。専門知識や人物同一性、物理的整合性が必要な動画生成の精度が既存モデル比19.1ポイント向上し、広告・映像制作業界のコスト構造に影響を与える可能性がある。

研究チームは、画像生成AIを報酬で調整する強化学習の不安定さを単一の量「経路分散」で予測し、更新の労力を配分する新手法を発表した。文字描画と人間の好みの両面で既存手法を上回り、広告や電子商取引向けモデルの調整コスト低減が見込まれる。

研究チームは、複数の参照素材から動画を生成する「オムニR2V」の評価基盤OmniVBenchと、業務用映像を主体とする学習データ34万件を公開した。既存モデルの弱点が可視化され、広告・映像制作での導入判断に資する。

重みの更新や人手のラベルを使わず、実利用の依頼履歴から設計手順を蓄積するデザインAIの枠組みが登場した。ベンチマークの実行成功率は72.7%から99.3%に向上し、制作現場への応用が視野に入る。

テキスト指示だけで画像の大域的な属性を高精度に変更しつつ背景を保持する新技術が登場した。広告・EC・ゲームなど視覚コンテンツ産業のクリエイティブ制作コスト削減に直結すると注目されている。

英国の研究チームがオーディオブックの朗読品質をAIで定量分析し、音響特徴が聴取率と統計的に有意な相関を持つことを実証した。ナレーター採用やコンテンツ推薦の高度化に道を開く成果として注目される。

大規模推論モデルを活用した話者認識技術「DramaSR-LRM」が登場した。長尺テレビドラマにおける発話の帰属精度を大幅に向上させ、映像コンテンツ産業の自動化と収益化に新たな可能性を開く。

拡散モデルの訓練効率を高める新手法「Attention Separation」が提案された。外部データへの依存を減らしながら生成品質を維持できることが示され、AI開発コストの削減に直結する可能性がある。

香港科技大学などの研究チームが開発した「WorldDirector」は、3D軌道とカメラ動作をLLMで制御し、長時間にわたって登場人物や物体の外見を維持したまま複雑な映像を自動生成できる世界モデルである。映像・広告・自動車産業に広範な影響を与える可能性がある。

マイクロソフト研究陣らが開発した「Ink3D」は、動画生成モデルを活用して極めて複雑なテクスチャを持つ3Dアセットを自動生成する技術である。EC・ゲーム・製造業における3Dコンテンツ制作コストの抜本的削減につながると期待される。

米ジョンズ・ホプキンス大などの研究チームが、最新の大規模拡散モデルの知識を軽量な旧世代モデルへ転送する「クロス空間蒸留」技術を発表。既存インフラを維持しながら生成品質を大幅に向上できると実証した。

イスラエル・米国の研究チームが、追加学習なしに360度パノラマ画像・動画を生成するAIフレームワーク「SpheRoPE」を発表した。不動産・観光・XR産業のコンテンツ制作コストを根本から変える可能性がある。

浙江大学らの研究チームが、限られた計算資源でも高精度な3D人体表現をリアルタイム生成できるAI手法「PointSplat」を発表した。ライブ配信や遠隔医療など、帯域幅制約下でのビジネス応用に道を開く成果である。

日米の研究チームが画像生成AIの学習プロセスを抜本的に刷新する手法「GEAR」を発表した。従来比最大10倍の収束速度を実現し、広告・ゲーム・医療画像など画像生成を活用する産業のコスト構造を大きく変える可能性がある。

中国科学技術大学らの研究チームが、200万件の高品質動画編集ペアを含む大規模データセット「Goku」を公開した。指示ベースの動画編集精度が最大8%向上し、映像制作・広告・EC業界のコンテンツ制作コスト削減に直結する可能性がある。
