AIを使った音声圧縮で従来の圧縮を超えた圧縮率と圧縮速度を「Encodec」が実現
ガブリエル・シナエーブ氏らによるMeta AIの研究チームが、インターネットにおける音声の「圧縮」に対してAIを用いることで従来の圧縮よりもさらなる圧縮が可能である、という研究を発表しました。AIを用いた圧縮により、豊かなマルチメディア体験を楽しむことができると説明しています。 Using AI to compress audio files for quick and easy sharing https://ai.facebook.com/blog/ai-powered-audio-compression-technique/ 今日のインターネットにおいて「圧縮」はなくてはならない要素で、圧縮により、高品質な画像やストリーミングが可能になります。しかし、現状の圧縮技術には高速なインターネット接続と十分なストレージ容量が必要になり、高品質で中断のないインターネットは一部の人しか体験できま
文章から“3Dモデル”をAIが生成 米Googleなどが「DreamFusion」を開発
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。 米Google Researchと米UC Berkeleyの研究チームが発表した論文「DreamFusion: Text-to-3D using 2D Diffusion」は、テキストから3Dオブジェクトを生成するシステムを提案した研究報告だ。事前に学習したテキストから2D画像を生成する拡散モデルを用いて、テキストから3次元への合成を実行する。 テキストを条件に2D画像を生成するモデルは現在、高忠実度で多様かつ制御可能な画像合成をサポートしている。これらモデルの品質向上は、大規模な画像-テキストデータセットとスケーラブルな生成モデルアーキテクチャからもたらされる。 特に拡散モデルは、安定し
画像生成AI「Stable Diffusion」が実はかなり優秀な画像圧縮を実現できることが判明
2022年8月に一般公開されたStable Diffusionは、入力した言葉に従って画像を自動で生成してくれるAIです。そんなStable Diffusionを画像生成AIだけではなく強力な非可逆画像圧縮コーデックとして使う方法について、ソフトウェアエンジニアのマシュー・ビュールマン氏が解説しています。 Stable Diffusion based Image Compression | by Matthias Bühlmann | Sep, 2022 | Medium https://matthias-buehlmann.medium.com/stable-diffusion-based-image-compresssion-6f1f0a399202 実際に以下の画像はすべて512×512ピクセルに圧縮した画像で、サンフランシスコ市街を撮影したもの。1枚目がJPEG形式、2枚目がWeb
好きな被写体のみを撮影できるカメラ 他の物体は瞬時に削除し記録せず 撮影後のデジタル処理は不要
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。 米UCLA（University of California, Los Angeles）の研究チームが開発した「To image, or not to image: class-specific diffractive cameras with all-optical erasure of undesired objects」は、好きな対象物だけを撮影し、その他は削除できるカメラシステムだ。いったん撮影し除去しているのではなく、光学的に瞬時に削除し記録しないようにしている。 スマートフォンや監視カメラ、自動運転車、顔認識など至る所にカメラが存在するデジタル時代において、プライバシー保護はま
「好きなキャラに近い絵をAIが量産」――ある概念を“単語”に圧縮し入力テキストに使える技術
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。 イスラエルのTel-Aviv UniversityとNVIDIAの研究チームが開発した「An Image is Worth One Word: Personalizing Text-to-Image Generation using Textual Inversion」は、ある概念を新しい単語（論文ではnew pseudo-wordと表現している）に置き換え、その新しい単語を一部に用いた文章を画像生成AIの入力に使用するシステムだ。 指定したキャラクターや物、絵などが持つ概念（形、質感、雰囲気、構成、デザインなど）を単語に圧縮し、入力テキストに活用することでその概念に沿ったさまざまな画像を
5つの文字から1万4000文字を自動生成 筑波大発AIベンチャーがフォント生成システム 特許出願
筑波大学発AIスタートアップのAIdeaLab（東京都千代田区）は8月17日、5つの文字から1万4000以上の文字をAIで自動生成するフォント生成システムの特許を出願したと発表した。 システムは、敵対生成ネットワーク（GAN）をベースに、大量のフォントを学習させた上で、手作業でデザインした数個の文字から、太さやセリフ（装飾）の形状を抽出し、生成する。パラメーターの値を調整することで、新しいフォントとして出力することも可能。ピクセル画像ではなく、ベクター画像として生成する独自技術により、フォントファイルとしての出力を可能にしたという。 特許は、フォント生成モデルだけでなく、アプリケーションUIも含む。パラメーター調整でフォントを生成するUI、少ない文字数でのアップロードでフォントを生成するUIなど、さまざまなパターンのサービス展開を織り込んでおり、特許出願技術をベースに、フォント制作会社向け
17歳の少年が開発したモーターが「電気自動車の未来を変えるかもしれない」と注目される理由とは？
by Society for Science アメリカに住む17歳の少年が新たな仕組みを持つモーターを開発し、アメリカで開催された高校生の科学研究コンテスト・リジェネロン国際学生科学技術フェア(ISEF)で最優秀賞と7万5000ドル(約1000万円)の賞金を獲得しました。このモーターが「電気自動車の未来を変える可能性を秘めている」として注目されていると、スミソニアン博物館が発行するスミソニアン・マガジンが報じています。 This 17-Year-Old Designed a Motor That Could Potentially Transform the Electric Car Industry | Innovation| Smithsonian Magazine https://www.smithsonianmag.com/innovation/this-17-year-old-d
次世代Wi-Fi規格「Wi-Fi 7」の詳細まとめ、Wi-Fi 6よりも具体的にどの程度高速化できるのか？
Wi-Fiの次世代標準となる「Wi-Fi 7(IEEE 802.11be)」が間もなく登場します。Wi-Fi 7では現行のWi-Fi 6から通信速度と信頼性の両面で大幅な向上が見込まれているのですが、具体的にどのような技術的な利点があるのかを、テクノロジーメディアのAndroid Policeがまとめています。 What is Wi-Fi 7? https://www.androidpolice.com/what-is-wi-fi-7/ Wi-Fi 7は「IEEE 802.11be」という名称でも知られています。Wi-Fi 7は前標準のWi-Fiとの下位互換性を有しているため、Wi-Fi 6(IEEE 802.11ax)やWi-Fi 6E(Wi-Fi 6と同じくIEEE 802.11ax)に対応したデバイスでも、Wi-Fi 7に対応したルーターを使用することができます。同じことがクライアン
Synthesizer Vの歌声合成は次の次元へ。調声は不要、AIリテイク機能で好みの歌い方を選べる時代に｜DTMステーション
についても、発表があり、「これは何なんだろう？」と気になっていました。この時は具体的な内容まではわからず、その翌日にHigh Dynamics Voice Modelに関する紹介ビデオも公表されたのですが、ここでもいま一つ、ピンときませんでした。が、それが実装されたβ版を使わせてもらうとともに、Kanruさんに話を聞いて、ようやくこれが歌声合成における革命であることが分かりました。 以下が、そのAIリテイクの様子を捉えたビデオです。 だいたいの雰囲気が、理解いただけたでしょうか？ そう、このAIリテイク機能は、High Dynamics Voice Modelという技術をSynthesizer Vの機能として実装させたものであり、歌声を新たに作り直すというものなのです。 「歌声合成は、ここ数年で大きく進化してきましたが、やはり人間の歌声の魅力にはかなわない面があります。その大きな理由の一つ
W3C、中央集権的な管理を不要にする「Decentralized Identifiers (DIDs)」（分散型識別子）の仕様が勧告に到達
W3C、中央集権的な管理を不要にする「Decentralized Identifiers (DIDs)」（分散型識別子）の仕様が勧告に到達 World Wide Web Consortium (W3C)は、「Decentralized Identifiers (DIDs) 」（分散型識別子）バージョン1.0（以下、W3C DID）の仕様が勧告に到達したと発表しました。 W3C press release: "Decentralized Identifiers (DIDs) v1.0 becomes a W3C Recommendation" "This new type of verifiable identifier... will enable both individuals and organizations to take greater control of their onl
「飲み物に何か混入されていないか」をスマホカメラで検出 気泡の形や動きから予測
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。 シンガポール国立大学と韓国Yonsei Universityの研究チームが開発した「Detecting counterfeit liquid food products in a sealed bottle using a smartphone camera」は、スマートフォンのカメラのみで開封前の密封されたボトル内の液体内容物に不純物が混入されていないかを検出するシステムだ。 密封されたボトルを逆さにし、それによって上昇した気泡の形や動きをカメラで捉え、機械学習で分類して不純物かどうかを予測する。 オリーブオイルを買おうとしてスーパーマーケットに入り、ボトルの中身が本物かどうかを確認した
京都フュージョニアリング、世界初の核融合発電試験プラント建設 | NEWS | KYOTOFUSIONEERING
2024年の発電試験開始、核融合発電に向けた工学技術を統合実証 京都フュージョニアリング株式会社（代表取締役：長尾昂、以下「当社」）は、世界で初めて核融合発電システムによる発電を試験するプラント「UNITY」の基本設計を完了し、2024年末の発電試験開始に向けた建設プロジェクトに着手しました。本プラントにおいて当社の核融合プラント機器ならびにプラントエンジニアリング技術を統合的に実証することにより、究極のクリーンエネルギーである核融合の商用化に向けた未踏の炉工学製品群を開発します。 本UNITY発電プラントの建設は国内パートナー企業複数社との連携により実施されます。日本の有する高度なものづくり力を結集し、日本が世界に先駆けた核融合炉における発電技術を実証することで、国内産業の発展に貢献します。 本件に関する紹介動画は下記よりご確認いただけます。 核融合は、世界のエネルギー問題を根本的に解決
ドラマ本編にAIが広告をさりげなく合成する技術、フジテレビが運用 「ゆくゆくは広告で途切れない動画配信に」
フジテレビは6月17日、AIを用いて本編内に広告を合成する「iCADs」システムを本格運用すると発表した。FODなどで配信しているドラマ「30禁 それは30歳未満お断りの恋。」から導入する。 視聴者が見ているドラマ本編の背景などに交通広告やポスターという形で広告を合成する。例えば第3話では建物の壁面に元の映像にはないミュゼプラチナムのポスターを合成した。 無料動画配信サービスの「TVer」と「GYAO!」で広告ありバージョンを配信し、有料のFODでは広告のないバージョンを配信する。FODのユーザーは比較して楽しむこともできるとしている。 「通常は動画の前後や途中にインストリーム広告が入るが、iCADsで本編内に広告や商品情報を合成することで、ゆくゆくはコンテンツが途切れず、一気に視聴できるようになる」（フジテレビ） iCADsはフジテレビが英国ロンドンのデジタル・プレイスメント企業MIRR
「コンニャク」で砂漠の空気から大量の水を生み出す新素材が開発される
コンニャクの主成分のグルコマンナンを使い、1kg当たりたった2ドル(約250円)と安価でありながら1日に13リットルもの水を生成することが可能な新素材が発表されました。 Scalable super hygroscopic polymer films for sustainable moisture harvesting in arid environments | Nature Communications https://www.nature.com/articles/s41467-022-30505-2 Low-Cost Gel Film Can Pluck Drinking Water From Desert Air - UT News https://news.utexas.edu/2022/05/23/low-cost-gel-film-can-pluck-drinking-w
デンソーウェーブ、細長く狭いスペースにも印字できる、長方形型の新しいQRコード「rMQRコード」を開発
デンソーウェーブは、長方形型の新しいQRコード（注1）「rMQRコード（アール・エム・キューアールコード：長方形マイクロQRコード）」を開発しました。rMQRコードは、QRコードの特性である優れた読み取り速度とデータ容量を持ちながら、細長く狭いスペースへの印字を実現するもので、製造業をはじめとした幅広い業界において、情報や資源の効率的な管理・運用に貢献します。また、rMQRコードは国際規格(ISO)を取得しており、世界中のすべてのユーザーに自由に安心して使っていただけます。 (規格番号：ISO/IEC 23941:2022） ■rMQRコードの開発背景 デンソーウェーブは1994年、QRコードを開発しました。QRコードは優れた読み取り速度とデータ容量を持ち、また、パブリックドメインであることから、世界標準となり幅広い分野で活用されています。次いで小型の「マイクロQRコード（注2）」を開発す
音声だけで完全な長文が書ける技術、東大教授が開発 ささやき声で“改行”や“修正”などコマンドを入力
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。 ソニーコンピュータサイエンス研究所（CSL）フェロー・副所長であり東京大学大学院情報学環の暦本純一教授が開発した「DualVoice: A Speech Interaction Method Using Whisper-Voice as Commands」は、キーボードやマウスなどを使用せず、音声入力だけで長い文章が書ける技術だ。文字入力以外のコマンド入力と音声認識ミスによる修正は、通常の声とは別に「ささやき声」で操作する。通常の声とささやき声を使い分ける方法で、ハンズフリーの完全な音声入力を実現する。 音声による文字入力はタイピングに比べて格段に速いため、アイデアを書き留めたり、原稿を素
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
人類の時間を無駄遣いするCAPTCHAの代替技術。Cloudflareが無償提供
電波強度がGPSの10万倍、GNSSの弱点を補う「MBS」とは？ 屋内外シームレスに測位できる“地上波システム”構築へ【地図と位置情報】
【やじうまPC Watch】 あの「waifu2x」を超えた！？アニメに特化したAI超解像技術
スマホの画質は2024年に一眼カメラ超え、ソニーGが見通し示す
