【5月FANZA同人配信決定！】 野上のいこ×画像生成AI作品集をリリース…！！ 野上のいこを完全再現？！な過激すぎるえちえち画像集がFanza同人にて配信されます(´∩ω∩`*)💕 のいこのあんな妄想やこんな願望…(？！)を生成AI画像で実現しちゃいました！！！ 乞うご期待です✨️

8月23日 【経済本ランキング 第5位❗】 これ読むだけで完結。生成AIマネタイズ30日ロードマップ: 超初心者がスマホだけで、はじめての0→1まで。ChatGPT／Gemini／Claude／画像生成／ #Amazon# #人気#

みなさん、こんばんは🌙 今日は七夕だね🎋✨ 夜空を見上げて、素敵な願い事はできたかな🌸 みんなの願いが星に届きますように😊💫 good night... #DaysAI# #AI生成画像# #AIart# #織姫# #七夕# SFW anime-style

＼📢明日のお知らせ🐰／ ⏰朝８時から２時間生放送☀️ 堺雅人が初登場💫 VIVANTスペシャル企画🚨 生放送中に起こる 異変を見抜けるか🤔 難問BEPPANクイズ‼️ 分かればスッキリ✨ 生成AI画像Quiz👑 ドラムは回答できるのか⁉️ 出演者🍭 堺雅人 ドラム コットン ラパルフェ #ラヴィット#

動画生成モデルで4D世界を作るとき、わざわざRGBに戻す必要はなかった——潜在空間から直接4Dへ変換する新手法が登場しました。 Beyond Pixels: From Video Priors to 4D Worlds 🔍 概要 従来の「動画生成→RGB→4D再構成」という3段階カスケードは、RGB変換でVAE潜在空間の幾何学情報を失い、アーティファクトを増幅させる構造的な問題を抱えていました。本研究は動画VAEの最終デノイズ済み潜在を直接4Dデコーダーに接続する「latent-to-4D生成」を提案します。 🛠 解決する課題 ・RGBデコード時に幾何学情報が劣化する ・ジェネレーター固有ノイズがRGB経由で4D再構成に伝播する ・ジェネレーターが変わるたびに4Dモジュールを再学習する必要がある これらすべてを、VAE潜在空間を直接インターフェースにすることで回避します。 ⚙ 方法論と提案手法 3つのコンポーネントで構成されます。 ・アライメントモジュール（𝒜ϕ）：三線形リサンプリングと3D畳み込みで潜在を4Dデコーダーのトークン空間に変換 ・L4ARアテンション：フレームワイズ空間整合 + グローバル時間アテンションの階層的組み合わせ ・4Dデコーダー：カメラパラメータ（9D）と密な世界座標系ポイントマップを同時予測 学習対象はこの3コンポーネントのみ（rank-16 LoRA含む）。VAEやTransformer本体は凍結し、約1,000クリップで学習します。 📊 実験結果 DINO-F1スコア（テキスト→4D）：57.01〜57.09（本手法）対 53.27〜54.21（カスケードベースライン）。画像→4Dでは61.60対55.79で5.81ポイント改善。人間評価でも幾何学・完全性で66.8〜72.1%の好みを得ています。頑健性テストでは汚染レベルρ=0.6時のドリフトが0.0053（ベースライン比71倍の安定性）を記録しました。 🌐 汎用性 14Bと1.3Bの2サイズのWan T2VモデルおよびWan I2Vモデルで、単一チェックポイントが変更なしに動作。モーション・外観・カメラ制御もそのまま引き継がれます。 #4D生成# #動画AI#

【サービス不具合のお知らせ｜Tsubaki.2 画像生成について】 推論サービス基盤のアップグレードに伴う不具合により、本日 6/30 23:50 〜 7/1 00:30（日本時間 / UTC+9） の間、Tsubaki.2 の一部の画像生成タスクで、生成結果が予期せず「ノイズ画像」になる現象が断続的に発生する可能性がございます（画像参照）。 つきましては、上記の時間帯における Tsubaki.2 のすべての画像生成タスク（PixAI 本サイトおよび Mio.2 を含む）を対象に、ノイズ画像の発生有無にかかわらず Credits を返金いたします。 返金分の Credits は、対象となる PixAI アカウントへ 7/1 23:59（日本時間 / UTC+9）までに 付与いたします。 この度はご不便をおかけし、誠に申し訳ございません。

便利だけど知られていないOpenAI APIの機能 🛡 ユーザーが入力したコンテンツ、有害な内容が混ざっていないか心配ではありませんか？ OpenAIの「Moderation（モデレーション）」は、テキストの有害性を判定する無料のエンドポイントです。暴力、ヘイト、セクシャルなコンテンツなどを検出し、安全なアプリケーション構築に役立ちます。 📌 タイトル：Moderation（モデレーション） 🔗 URL： 🧩 概要 ユーザー生成コンテンツを扱うアプリケーションでは、有害なコンテンツの検出が不可欠です。Moderation APIはテキストを複数のカテゴリ（暴力、ヘイトスピーチ、自傷行為、セクシャルコンテンツなど）で分析し、各カテゴリのスコアとフラグを返します。無料で利用でき、LLMの入出力両方のフィルタリングに使えます。 🛠 使い方 テキストをModeration APIのエンドポイントに送信するだけ。レスポンスには各カテゴリの判定結果（フラグ）とスコア（確信度）が含まれます。閾値はアプリケーションの要件に合わせてカスタマイズ可能。LLMのリクエスト前（入力フィルタ）と後（出力フィルタ）の両方に挟むことで、二重の安全ネットになります。 🏗 本番システムへの組み込み方 ・UGCプラットフォーム：投稿前にモデレーションを通し、有害コンテンツをブロックまたはレビューキューに。 ・チャットアプリの安全層：ユーザー入力をLLMに渡す前にチェック。有害な入力を事前に弾く。 ・LLM出力のフィルタ：モデルの出力をユーザーに返す前にモデレーション。意図しない有害出力をキャッチ。 ・コンテンツ管理ツール：既存コンテンツを一括スキャンし、ポリシー違反のものを検出。 💡 ユースケース 📝 ユーザー投稿コンテンツのフィルタリング 🤖 LLMの入出力の安全チェック 🔍 既存コンテンツのポリシー違反スキャン 💬 チャットアプリの有害メッセージ検出 ⚠️ 注意点 モデレーションは完璧ではなく、偽陽性（問題ないのに有害判定）や偽陰性（有害なのに見逃し）が発生します。厳しい閾値はUXを損ない、緩い閾値はリスクを残します。アプリケーションの特性に合わせて閾値を調整し、エッジケースは人間のレビューで補完する設計が重要です。また、テキスト以外（画像、音声）のモデレーションは別途対応が必要です。 ✨ 安全なAIアプリの土台は「入口と出口のフィルタ」。無料で使えるので、まずはLLMの入出力にモデレーションを挟んでみてください。 #OpenAI# #LLM#