参考資料を自ら探す画像生成AI、Metaが開発　“長考”でクオリティー向上も

　米Metaは7月7日（現地時間）、画像生成AIモデル「Muse Image」を発表した。自らWeb検索やコーディングで資料を収集・作成し、作った画像を自己修正することでクオリティーを高められるという。AIアシスタントアプリ「Meta AI」やAIサービス「meta.ai」などで提供。米国ではInstagramのストーリーズ、一部の国ではWhatsAppでも利用可能にする。Facebookにも近日対応予定だ。

【その他の画像】

　同社のAI研究開発組織「Meta Superintelligence Labs」が手掛ける初のメディア生成モデルで、AIが生成中の画像を自ら振り返って改善する動きを取る。例えばコーディングを通して作成したグラフやQRコードを画像に反映できる他、Web検索で最新情報や参考資料を調べた上で画像の自己修正に活用できる。同社によると、検索を使うと、時事や実際の出来事など知識が必要な指示でも正確性が向上するという。

　いわゆる“推論モデル”と同様に推論時の計算量を増やして長考するほど、人間の選好評価に基づく「Eloスコア」が向上する傾向も確認した。4月に発表した同組織のLLM「Muse Spark」との連携も可能で、両モデルがツールを共有し、共同でアニメーションGIFや画像入りのWebサイト、ゲームなどを制作できるとしている。

　画像がAI製かどうかを確認できるようにする仕組みとして、目に見えない透かしを入れる仕組み「Content Seal」も組み込む。Meta AIアプリとmeta.aiで生成した画像に、切り抜き、圧縮、リサイズ、スクリーンショットをしても消えない来歴情報を埋め込む。透かしの有無を確認できる検出ツールもプレビューしている。

　Muse Imageと同じ基盤を使う動画生成モデル「Muse Video」のプレビュー版も発表した。プロンプトへの準拠、映像の忠実度、時間的な一貫性で優れるといい、ベンチマークでは米Googleの「Gemini Omni Flash」や中国Bytedanceの「Seedance 2.0」に次ぐ性能を持つとうたう。

　一方、音声と映像の同期や、高速な動きの正確さに課題があり、今後改善に注力していくという。こちらもContent Sealの対応を予定しており、Meta AI向けに近日提供予定だ。