# ビジュアル生成

ACEは、拡散変換に基づく多機能なクリエイター兼エディターです。統一された条件フォーマットであるLong-context Condition Unit（LCU）を入力することで、様々なビジュアル生成タスクを統合的に学習できます。効率的なデータ収集手法により、トレーニングデータ不足の問題を解決し、多様なモーダルに対応する大規模言語モデルを用いて正確なテキスト指示を生成します。ACEはビジュアル生成分野において顕著な性能を示し、あらゆる画像作成リクエストに対応するチャットシステムを容易に構築でき、従来のビジュアルエージェントに見られる煩雑な手順を回避します。

Saze AIは、作家やクリエイターが魅力的なコンテンツを作成し、素晴らしいビジュアルを生成し、影響力のあるスピーチを作成するのを支援するAIアシスタントツールです。強力なAIツールを提供することで、作業効率を向上させ、ビジネスの可能性を広げます。

Evaluating Text-to-Visual Generation with Image-to-Text Generationは、複雑なテキストからビジュアルへの生成効果をより適切に評価できる新しい評価指標VQAScoreを提案し、GenAI-Benchベンチマークテストセットを導入しました。VQAScoreはCLIP-FlanT5モデルに基づいており、テキストから画像?動画?3Dへの生成評価において最良の性能を達成し、CLIPScoreに代わる強力なソリューションです。GenAI-Benchは、多様な意味の組み合わせを含む現実的なシナリオのテストテキストを提供し、生成モデルの性能を包括的に評価するために使用できます。

Fable Prismは、人工知能を搭載したビジュアル生成デザインツールです。自然言語による記述からイラスト、ロゴ、製品モデルなどのビジュアルイメージを生成します。色、スタイル、オブジェクトなど、生成したいビジュアルイメージを詳しく記述することで、Fable Prismは独創的で創造性に富んだ選択肢を提案します。現在はアーリーアクセス段階にあり、利用には登録が必要です。

MagicVideo-V2は、テキストから画像生成モデル、ビデオモーションジェネレーター、参照画像埋め込みモジュール、フレーム補間モジュールを統合したエンドツーエンドのビデオ生成パイプラインです。そのアーキテクチャ設計により、MagicVideo-V2は、優れた忠実度と滑らかさを備えた、美しく高解像度のビデオを生成できます。大規模なユーザー評価を通じて、Runway、Pika 1.0、Morph、Moon Valley、Stable Video Diffusionなどの最先端のテキストからビデオ生成システムよりも優れた性能を示しています。