画像生成

主要ニュース

1. 1

   李飛飛氏のWorld Labs、3D世界モデル「Atlas」発表

   スタンフォード大教授の李飛飛氏が設立したWorld Labsは、テキスト・画像・動画から3D環境を生成・再構築・シミュレーションできるマルチモーダル世界モデル「Atlas」を発表した。 AIを2Dコンテンツから完全な3Dシミュレーションへと押し上げるもので、ロボティクスや没入型アプリケーションにとって重要になり得る。このモデルは、メディアを生成するだけでなく、機械が物理的な空間を理解し相互作用するのを支援するよう設計されている。国内のロボティクス関連企業は、3D環境の理解・生成技術の進展による影響を受ける可能性がある。

   李飛飛氏はサンフランシスコで開催されたHumanX Conference 2026でAtlasを紹介し、AIとロボティクスのための空間知能を前進させる役割を強調した。

2. 2

   AWSダッシュボード障害検知を72時間から1時間に短縮

   AWSチームがAI搭載のコンテンツ検証システムを構築し、AWS Insightsアプリケーション（Amazon Quickに搭載）の数百のダッシュボードをスキャンして、欠落や誤った要素を検出する。Anthropic ClaudeモデルをAmazon Bedrock上で使用し、スクリーンショットを視覚的に分析して、問題が見つかるとSlackで所有者に警告する。 従来のモニタリングでは、ユーザーが見る画面にだけ現れるサイレント障害（空白のチャートや誤った数値など）を見逃すことがある。30日間で、システムは802件のコンテンツ障害を検出し、ユーザー報告があったのは1%未満だった。このソリューションにより、平均検出時間を最大72時間から1時間未満に短縮した。国内のAWS利用企業では、自社ダッシュボードの不具合検出が同様に迅速化される可能性がある。

   システムは2つの並行検証方法を使用する。1つは視覚的整合性、もう1つは数値的一貫性である。視覚的障害が確認されると、影響を受けるセクション名、スクリーンショット、AI信頼スコア、モニタリングダッシュボードへのリンクを含むSlack通知が所有者に送信される。

3. 3

   World Labs、写真数枚から3D世界を生成するAI「Atlas」発表

   World Labsが、テキスト・画像・動画・3Dデータで学習し、各入力を3D空間内の特定位置に紐付けるオムニモデル「Atlas」を発表。ユーザーが操作するカメラ経路で最大1分間の1440p動画を生成できるほか、2〜3枚の写真から実シーンを再構築し、100以上の入力も処理可能。 2025年11月に李飛飛氏が指摘した課題、すなわち現在のマルチモーダル・動画モデルはデータを1D・2Dの系列に分解するため単純な空間タスクが不必要に難しくなるという問題に、Atlasは対応。共有された空間理解により純粋な言語・動画モデルと一線を画し、人間による評価では専用モデルを上回り、MiniMax H3に対して75%、Seedance 2.5に対して94%で勝利。国内の映像制作やロボット関連企業では、写真からの3D空間生成による業務効率化が進む可能性がある。

   Atlasのネイティブ3D出力はポイントクラウドと3Dガウシアンスプラットに対応し、Marbleの表現と一致。また、2026年8月に実証された、5つのロボットプラットフォームで各1時間、人間の介入なしに稼働したreal-to-sim-to-realエンジンを基盤に、ロボティクス向けの実物からシミュレーションへのツールとしても機能する。Atlasは現在、一部パートナー向けに早期アクセスプログラムを提供中。

4. 4

   World Labsが空間AIモデルAtlasを発表

   World Labsは、テキスト、画像、動画、3Dをネイティブに処理するためにゼロから学習されたワールドモデルAtlasを公開した。同社の空間生成ツールMarbleを支えることになる。 Atlasは、1枚または数枚の写真から新しいビューを生成し、実際の空間を再構築し、バレットタイム動画を作成し、ロボットのカメラデータをシミュレートできる。同社は、DTU、ETH3D、ScanNetのベンチマークでオープンソースの再構築モデルを上回るとしている。

   Atlasは現在、一部のパートナー向けに早期アクセス中だ。開発者や企業はフォームから申し込むことができ、World LabsはMarbleを含む製品の将来バージョンにAtlasを統合する計画だ。

5. 5

   World Labs、1枚画像から3D世界を生成する「Atlas」公開

   Fei-Fei Li氏が共同創業したAIスタートアップWorld Labsが、1枚の2D画像から詳細な3Dシミュレーション環境を作り出すマルチモーダル世界モデル「Atlas」を公開した。1440pの映像を最大1分間、精密なカメラ制御付きで生成し、点群やガウシアンスプラットなどの3Dアセットも出力できる。 Atlasは、シミュレーション環境と物理的推論を橋渡しし、Li氏の空間知能理論（AIが物理世界を理解するには3Dの物体、人々、相互作用を推論する必要がある）を実現することを目指す。同スタートアップはNvidia、AMD、Autodeskなどから12億ドルを調達しており、真のターゲットはロボット訓練とみられる。国内の映像制作やゲーム業界では、静止画から3D空間を生成する技術活用が進む可能性がある。

   ブラインドテストでは、Atlasはカメラ経路の忠実性においてGemini Omni FlashやFLUXなどの競合製品を圧倒的に上回った。現在は一部の企業向けに早期アクセスで利用可能だが、一般公開の時期は未発表だ。

6. 6

   グーグル、画像AIツール「Google Pics」発表

   グーグルは9月1日、Google Workspace向けのAI画像生成・編集ツール「Google Pics」を発表した。Google AI ProおよびGoogle AI Ultraの契約者と、大半のWorkspaceビジネス顧客に対し、数週間かけて順次展開される。 Google Picsは、グーグルの画像モデル「Nano Banana」を基盤とし、Slides、Docs、Driveと連携する。ポスター制作、SNS画像、デジタルイラストの編集を想定し、オブジェクト分離やデザインを保ったままのテキスト編集などの機能を備える。国内の画像生成・編集業務に携わる企業は、制作工程の一部がこの新ツールに置き換わる可能性がある。

   Google PicsはCanva、Adobe Express、Microsoft Designerといったデザインツールと競合する。単体のWebアプリとしてpics.newで利用でき、Workspaceアプリからもアクセス可能。Drive連携は数週間以内に提供される。