#generative_ai

YouTubeが、AIを使った動画の見分けやすさを改善すると発表しました。 ポイントは大きく2つ。ラベルの表示をもっと目立たせることと、必要に応じて自動でAIラベルを付けることです。 これ、地味に見えてかなり重要だと思います。というのも、生成AIの映像って、ぱっと見では本物かどうか判断しづらいからです。見た目のリアルさが上がれば上がるほど、「これ、どこまで本当なの？」という不安も増えます。YouTubeはそこに、少しでも答えを出そうとしているわけですね。 YouTubeは2024年から、AI利用を申告したコンテンツにラベルを付けてきた 2026年5月から、AIラベルの表示位置をより目立つ場所に変更 長尺動画では説明欄の上、Shortsでは動画そのものの上にラベルが出る リアルなAI生成・AI改変コンテンツは、1つの統一されたラベル形式にまとめる クリエイターが申告しない場合でも、YouTube側が自動検知してラベルを付けることがある ただし、ラベルが付いてもおすすめ表示や収益化に直接影響しない YouTubeのAI

Gemini Omni は、Google DeepMindが紹介している新しいAIモデルで、入力をまたいで何かを作れるのが特徴 いちばん目立つのは、動画を自然な会話で編集できること 画像、テキスト、動画、音声などの複数の素材を組み合わせて一つの出力にまとめることをうたっている 物理法則や世界知識を踏まえた、より一貫性のある映像生成を目指している 「Nano Bananaが画像なら、Gemini Omniは動画版」と言えるような、かなり攻めたコンセプトだと思う Google DeepMindの「Gemini Omni」は、ざっくり言うと“なんでも材料にして、ひとつの作品に仕上げるための生成AI”です。 元記事の見せ方を見る限り、単なる動画生成モデルというより、会話しながら編集を積み重ねていく創作エンジンに近い印象があります。 特に強調されているのが、動画編集を自然言語で行えること。 たとえば「この人が鏡に触れたら、鏡が水みたいに波打つようにして」「人物をクレイアニメ風に変えて」「カメラを肩越しの構図に変えて」といった指示を、

GenCADは、画像を入力するとCADモデルを生成する研究プロジェクトです。 ただ3D形状を出すだけでなく、CADのコマンド履歴そのものも生成するのが大きな特徴です。 Meshやpoint cloudではなく、parametric CAD programを扱うので、あとから修正しやすいのが強みです。 仕組みは、Transformer + contrastive learning + diffusion model + decoder の4段構成。 同じ画像から複数のCAD候補を出したり、CAD検索（retrieval）もできます。 個人的には、これは「AIが形を真似る」段階から、“設計の意図”に近づこうとしているのが面白いと思います。 GenCADは、MITのMd Ferdous Alam氏とFaez Ahmed氏による研究で、正式には **「Image-conditioned Computer-Aided Design Generation with Transformer-based Contrastive R

EUでは2026年8月から、AI生成コンテンツのラベル表示が義務化される予定 でも研究では、人は1週間たつと「これはAIが作った」と正確に思い出せなくなることが分かった 特に、人間とAIが共同で作ったコンテンツは記憶違いが起きやすい 184人の参加者を対象にした実験で、AI生成のアイデアを正しく思い出せた確率は37.7% 逆に、自分のアイデアだと正しく覚えていた割合は、AIが文章化した場合でも64% 学校や職場では、あとから自己申告させるより、制作過程を最初から記録するほうが現実的かもしれない 今回紹介する研究は、かなり身もフタもないけれど、すごく重要な話です。 ざっくり言うと、人はAIを使って作った内容を、1週間もすると正確に覚えていられないという結果が出ました。 記事によると、EUでは2026年8月から、AI生成コンテンツにラベルを付けるルールが始まる予定です。 「これはAIが作ったものです」と明示する、あのラベルです。透明性を高めるためには確かに大事です。 でも問題は、あとから人間がそのラベルを思い出せるか。研究チームは、そ

SANA-WMは、camera-controlled な 720p video generation を行うための、効率重視の world model ここでいう world model は、世界の動きや状態の変化を“予測するモデル”のこと 「minute-scale」というのがポイントで、短いクリップではなく、もっと長めの時間幅を扱おうとしている しかも 720p という、かなり実用的な解像度を対象にしているのが面白い 細かい実装詳細は元ページの本文からは読み取れないが、タイトルだけでも「動画生成」と「世界モデル」の橋渡しを狙っているのがわかる world model は、ざっくり言うと「世界がこの先どう変わるか」を頭の中でシミュレーションするモデルです。 AIの文脈では、単に画像をきれいに作るだけではなく、時間の流れや物体の動き、カメラの視点変更まで含めて未来を予測するイメージですね。 たとえばゲームの中でキャラクターが歩いたら、背景や遠景もそれっぽく変化しますよね。 world model は、そういう「次に何が起きるか」を考える仕