ChatGPTのマルチモーダル機能とは？Geminiとの違い・応用例・注意点・展望を徹底解説！
ChatGPTはテキストだけでなく、画像、音声、ファイルなどを統合的に扱う「マルチモーダル機能」を備えており多様な業務を効率化 画像生成、画像認識、音声・動画解...
記事一覧
画像生成の記事一覧
CLIPとは？OpenAIのマルチモーダル基盤モデルの仕組み・活用事例5選・課題を徹底解説！
画像と自然言語を同時に理解するマルチモーダル基盤モデル「CLIP」は、生成AI（ジェネレーティブAI）の進化とともに大きな注目を集めています。OpenAIが20...
Google AI Studioとは？利用できるGeminiモデル・機能・Vertex AIとの違い・始め方を徹底解説！
Google AI Studioは、Googleが提供する生成AI開発プラットフォームです。Geminiを無料で試用でき、ユーザーフレンドリーなインターフェース...
【動画生成AIツール徹底比較】Sora・Gemini・Whisk・Runway・Midjourneyの性能・料金プランを一覧表で解説、実際に動画生成して検証！
SoraやRunwayはダイナミックなアクション、Geminiは精密な動作、Midjourneyは芸術的な雰囲気の表現にそれぞれ強み AIの性能は生成させる対象...
【カンタン】Midjourneyで超クオリティの高いアニメ風画像を作る方法
Midjourneyは、アメリカ本社の生成AI（ジェネレーティブAI）企業で、画像生成モデルを提供するAI企業として非常に注目されています。 公式サイト：htt...
【AI論文解説】Long-CLIP: Unlocking the Long-Text Capability of CLIP
こんにちは、現役機械学習エンジニアの石川です。 本記事では、“Long-CLIP: Unlocking the Long-text Capabili...
【AI論文解説】SynthCLIP: Are We Ready for a Fully Synthetic CLIP Training?
こんにちは、現役機械学習エンジニアの石川です。 本記事では、“SynthCLIP: Are We Ready for a Fully Synthet...
【AI論文解説】Concept Arithmetics for Circumventing Concept Inhibition in Diffusion Models：拡散モデルのコンセプト抑制を突破する新たな手法
近年、テキストから画像を生成する拡散モデルは急速に発展しており、芸術やデザイン、マーケティングなど多様な分野での応用が進んでいます。一方で、その強力な生成能力の...
【AI論文解説】Rasterized Edge Gradients: Handling Discontinuities Differentiably：視認性の非連続性をシンプルに微分可能にするラスター化レンダリングの新手法『マイクロエッジ』の提案
近年、ニューラルレンダリングや逆レンダリングの技術が進歩し、画像から3Dシーンの情報を復元・推定することが可能になってきました。しかし、その過程で不可欠なレンダ...
【広告業界のAI活用事例9選】オーディエンスセグメント最適化、クリエイティブ自動作成、ビッグデータ効果計測まで幅広く活用
日本での広告費は電通の調査によると、2019年に初めてインターネット広告（web広告）費が地上波テレビ広告費を超えました。2020年にはその差がさらに開いており...
