WeLM-Image、統合画像基盤モデルを発表 理解・編集・生成を統一
huggingface.coは2026年11月5日(現地時間)、視覚的知能を目指す統合画像基盤モデル「WeLM-Image」を発表しました。このモデルは、テキストからの画像生成、指示に基づく画像編集、および複数参照からの合成といった機能にマルチモーダルな理解を統合しています。単一GPUでの展開と、WeChatの大規模コンシューマーアプリケーションでの利用を想定して設計されています。
Tag
7 件の関連記事
huggingface.coは2026年11月5日(現地時間)、視覚的知能を目指す統合画像基盤モデル「WeLM-Image」を発表しました。このモデルは、テキストからの画像生成、指示に基づく画像編集、および複数参照からの合成といった機能にマルチモーダルな理解を統合しています。単一GPUでの展開と、WeChatの大規模コンシューマーアプリケーションでの利用を想定して設計されています。
ブラックフォレスト・ラボ (Black Forest Labs) は、アルファシグナル (AlphaSignal) が10月26日(現地時間)に報じたところによると、同社が10月23日(現地時間)までに発表したAIモデルファミリー「FLUX」に関して複数の機能強化と価格改定を実施した。主力モデルの「FLUX 3 Klein」は8GBのGPUで画像生成を可能にし、また「FLUX 3 Max」は10秒の動画生成時間を22倍に高速化したとされている。
build.nvidia.comは2026年10月20日(現地時間)、ブラック・フォレスト・ラボ (Black Forest Labs) が提供する複数のAIモデルをサイトに掲載していることを明らかにした。これには、最先端のオープンウェイト画像生成および編集モデルであるFLUX 3 イメージ・クライン (FLUX 3 Image Klein) が含まれる。同サイトでは、他にも複数のFLUXシリーズモデルが紹介されており、一部はエヌビディア (NVIDIA) NIM APIを介して利用可能であることが示されている。
ブラック・フォレスト・ラボ (Black Forest Labs) は10月15日(現地時間)、これまでで最も高性能なオープンウェイト画像モデル「FLUX 3 Image Klein」をリリースした。本モデルはテキスト-画像生成、画像編集、複数参照生成に対応し、低消費電力GPUやノートPCでも動作する。4K解像度での生成、バウンディングボックス、ピクセルレベルでの精密な編集機能も備えている。
ユスフ・アブドゥルカディル氏は8月31日(現地時間)、arXivに公開された論文を通じ、データ不足に直面するハンセン病病変の合成画像生成において、慢性創傷の大規模データセットからの転移学習が有効であると発表した。同氏は、顧みられない熱帯病に対する機械学習が抱えるデータ不足の課題克服を目指し、生成モデル構築の新たな道筋を示した。
Googleは2026年8月31日(現地時間)、同社のコラボレーションツールGoogle Workspace向けに、AIを活用した新たな画像生成・編集ツール「Google Pics」を発表した。最新の画像生成・編集モデル「ナノバナナ (Nano Banana)」を基盤とし、DocsおよびSlidesに統合され、ユーザーはテキストプロンプトによる画像生成や編集を直接実行できる。
arXivは7月6日(現地時間)、複雑な画像作成と編集を支援する新たなマルチモーダルエージェント「CanvasAgent(キャンバスエージェント)」と、大規模なツール利用データセット「CanvasCraft(キャンバスクラフト)」に関する研究論文を発表した。本研究は、既存の画像生成技術が抱える単一モデルでの多様な視覚タスク対応の限界や、ツール利用エージェントにおける教師データ不足の課題を克服することを目指す。複数のビジュアルツールを連携させることで、画像合成やオブジェクトの局所化、領域分割、コンテンツ編集といった広範なプロセスを最適化する。