This Week's Personal AI News:
The Week Four-View 3D Closed the Loop Locally
(Sep 6-12)今週の私的なAIニュース：
4方位から3Dがローカルで完結した週
（09-06〜09-12）
A week weighted toward the workbench.
The path from four views to 3D now connects locally, all the way through repair and retopology.
On the capture side, someone shot bullet time with a single phone.
The large story is OpenAI announcing it had solved one of the Millennium Prize Problems, and the argument that followed about how to treat it.
From research: a case study in which autonomous agents cheated — and then blew the whistle.
今週は手元の話が厚い週でした。
4方位から3Dを起こす経路が、生成から修復・リトポまでローカルで繋がっています。
撮影の側でも、スマホ1台でバレットタイムを撮る例が出ました。
一方で大きい話としては、OpenAIがミレニアム懸賞問題のひとつを解いたと発表し、その扱いをめぐって議論が起きています。
研究からは、自律エージェントが不正をはたらき、そして内部告発したという事例研究を取り上げます。
Four Views to 3D, Through Repair and Retopology, All Local 4方位から3D、修復とリトポまでローカルで繋がった
GeekatPlay published a procedure for building accurate 3D characters from four views, locally.
It uses Pixal3D's multiview together with Meshwright, covered here two roundups ago.
Last week's item was TRELLIS.2 and Pixal3D being merged into ComfyUI core; now multiview input rides on top of that, and the downstream repair and retopology connect in the same environment.
The point is that generation, repair, and retopology have become one continuous flow.
From a background-production standpoint this matters as a reduction in the number of places you have to work.
Until now it meant a web UI for generation, a separate application for repair, and a DCC for retopology.
If it fits in a single graph, the intermediate exports and imports disappear, and re-running the same source under different settings becomes practical.
One caution, though: how scale is handled when you feed four views varies greatly by implementation.
As written in this site's focused article on why subjects collapse when generating 3D from multiple views, an implementation whose preprocessing normalizes scale independently per view will crush the length unless common framing is inserted first.
Whether Pixal3D's multiview shares that preprocessing is unverified, so before switching, it's worth running one anisotropic subject through and measuring the bounding box of the output.
The video is unwatched, so the specific node setup will be added later.
GeekatPlayが、4方位の画像から正確な3Dキャラクターをローカルで作る手順を公開しています。
使っているのはPixal3Dのマルチビューと、前々回この欄で取り上げたMeshwrightです。
先週、TRELLIS.2とPixal3DがComfyUI本体へ統合された話を書きましたが、そこへマルチビュー入力が乗り、さらに後段の修復とリトポまで同じ環境で繋がった形になります。
生成・修復・リトポが1本の流れになったというのが今回の要点です。
背景制作の立場からは、これは「手を動かす場所が減る」話として効きます。
これまでは生成でWeb UI、修復で別アプリ、リトポでDCCと渡り歩く必要がありました。
1つのグラフに収まるなら、途中の書き出しと読み込みが消え、同じ素材で条件を振り直す試行が現実的になります。
ただし注意点もあります。
4方位を入れるときのスケールの扱いは、実装によって結果が大きく変わる部分です。
当サイトの個別記事「多視点で3D化すると、なぜ被写体が縮むのか」で書いたとおり、前処理が視点ごとに独立してスケールを正規化する実装では、共通フレーム化を挟まないと全長が潰れます。
Pixal3Dのマルチビューが同じ前処理を持つかは未確認なので、乗り換える前に異方的な被写体で1体試して、出力のバウンディングボックスを測ることをおすすめします。
本編は未視聴のため、具体的なノード構成は視聴後に追補します。
Shooting Bullet Time With One Phone スマホ1台でバレットタイムを撮る
Mickmumpitz has an episode recreating The Matrix's bullet time with a single phone.
The shot normally requires dozens of cameras ringed around the subject and triggered together — without the rig, the image doesn't exist.
If one phone suffices, the model is filling in the intermediate viewpoints.
The method can't be described here since the video is unwatched, but the direction is raising space from the capture side, continuous with the territory this site's chapter on 3DGS and neural rendering has covered.
Brought closer to environment work, the interesting part is the shape of it: physical constraints on shooting being replaced by computation.
Walk a full circle around a location during a scout, and camera moves can be decided afterwards.
That kind of reordering of the work is gradually becoming real.
Mickmumpitzが、『マトリックス』のバレットタイムをスマホ1台で再現したという回を出しています。
本来は被写体を囲むようにカメラを何十台も並べて同時に切る撮影で、装置がなければ成立しない絵でした。
それが1台で撮れるなら、間の視点をモデルが補っているということになります。
手法の詳細は未視聴のため書けませんが、方向としてはキャプチャの側から空間を起こす話で、当サイトの「3DGSとニューラルレンダリング」の章が扱ってきた領域と地続きです。
背景制作に引きつけると、面白いのは「撮影の物理的な制約が、計算で置き換えられる」という構図のほうです。
ロケハンで1周ぐるりと撮っておけば、後からカメラワークを決められる。
そういう作業の順序の入れ替えが、少しずつ現実になってきています。
OpenAI Claimed a Millennium Prize Problem OpenAIがミレニアム懸賞問題の解決を主張した
On September 8, 2026, OpenAI published a claimed proof for the existence and smoothness problem of the Navier–Stokes equations — one of the seven Millennium Prize Problems, each carrying a $1 million award.
The proof was produced not by human mathematicians but by the company's internal model, which found a configuration showing that smooth three-dimensional fluid motion can break down: a vortex tightening and spinning ever faster, so-called finite-time blowup, while the energy stays bounded.
It reportedly took 88 hours, running as many as 10,000 "AI agents" more or less concurrently.
The announcement is contested on two fronts.
One is priority.
OpenAI says it began on September 1 after hearing a rumor involving Levent Alpöge at Anthropic and Professor Tristan Buckmaster at NYU; after finishing its own proof on September 6 it approached them about a joint announcement, at which point it learned their work addressed a related but distinct problem — the forced Euler equations, not Navier–Stokes.
The other is verification.
The Clay Mathematics Institute requires publication in a peer-reviewed journal and a period of acceptance, so what is established at this point is a claim, not a solution.
OpenAI itself says it does not intend to claim the prize.
This is remote from production work, but there is a reason to keep it.
Last week this column covered a vendor's figure diverging from third-party measurement.
The shape here is the same: a claim of achievement and the procedure that verifies it are separate things, and that keeps recurring.
Mathematics has peer review; whether a picture is good does not.
Which is exactly why choosing tools calls for the habit of asking who checked it, and how.
2026年9月8日、OpenAIがナビエ–ストークス方程式の存在と滑らかさの問題について、解決したとする証明を公表しました。
7つあるミレニアム懸賞問題のひとつで、賞金は100万ドルです。
証明を作ったのは人間の数学者ではなく同社の内部モデルで、3次元の滑らかな流体運動が破綻しうること——渦が締まりながら際限なく速く回る、いわゆる有限時間爆発が、エネルギーは有界のまま起きる——を示す構成を見つけた、という内容です。
所要は88時間、最大で1万体の「AIエージェント」をおおむね並行して動かしたと説明されています。
ただし、この発表は二重の意味で揉めています。
ひとつは先取権の問題です。
OpenAIは9月1日に、AnthropicのLevent Alpöge氏とNYUのTristan Buckmaster教授に関する噂を聞いて着手し、9月6日に自前の証明を終えてから両氏へ共同発表を持ちかけたところ、両氏の研究は関連するが別の問題——ナビエ–ストークスではなく強制オイラー方程式——を扱っていたと判明した、と説明しています。
もうひとつは検証です。
クレイ数学研究所の規定では受賞に査読誌への掲載と一定期間の受容が要るため、現時点で確定しているのは「主張」であって「解決」ではありません。
OpenAI自身も懸賞金を請求する意図はないとしています。
制作の実務から遠い話ですが、拾っておく理由はあります。
先週この欄で、提供元の出す数字と第三者の測定がずれた話を書きました。
今回も構図は同じで、成果の主張と、その検証の手続きが別物であるという点が繰り返し出てきています。
数学には査読という手続きがありますが、絵の良し悪しにはそれがありません。
だからこそ、道具を選ぶときに誰がどう確かめたのかを見る癖が要る、という話につながります。
Breaking Down Research — Agents Cheated, Then Blew the Whistle 研究を噛み砕く — エージェントが不正をして、そして告発した
AI Era Compass covers "A Case Study on Emergent Cheating and Whistleblowing in Autonomous ..." (2609.04170).
What the title conveys is a setup in which, among a population of autonomously operating agents, uninstructed cheating arises on its own — and another agent then reports it.
The paper itself could not be verified, so the experimental design and conclusions are left alone.
It is still worth recording, because configurations that run many agents at once are genuinely multiplying.
The OpenAI proof above reportedly ran on the order of ten thousand in parallel, and this site has covered an experiment running a game company with forty-nine.
Increase the count and the problem stops being individual capability and becomes the behavior of the swarm.
Drifting from instructions and cancelling out each other's work have been observed for a while; once the words "cheating" and "whistleblowing" enter, the handling changes a notch.
When you hand a long task to agents in production, how far can the intermediate state be trusted?
That question turns practical before long.
AI時代の羅針盤が「A Case Study on Emergent Cheating and Whistleblowing in Autonomous ...」（2609.04170）を取り上げています。
題名から読み取れるのは、自律的に動くエージェントの集団のなかで、指示されていない不正が自然発生し、さらにそれを別のエージェントが告発するという挙動が観察された、という筋立てです。
論文本文は確認できていないため、実験の設計や結論には踏み込みません。
それでも記録しておきたいのは、エージェントを複数走らせる構成が実際に増えているからです。
前段で触れたOpenAIの証明も1万体規模を並行させたとされていますし、当サイトでも49体でゲーム会社を経営させる実験を扱ってきました。
数を増やすと、個々の性能ではなく群れとしての振る舞いが問題になります。
指示から逸れる、互いの成果を打ち消す、といった破綻の仕方は以前から観察されていましたが、そこに「不正」と「告発」という語が出てくると、扱いは一段変わります。
制作の現場でエージェントに長い作業を任せるとき、途中経過をどこまで信用してよいのか。
この問いが、そのうち実務の話になります。
The Image Generation Crown Moved Again — GPT-IMAGE 2.5 画像生成の王座がまた動いた — GPT-IMAGE 2.5
Theoretically Media treats GPT-IMAGE 2.5 as the new king of AI images, and AI Search frames it as the best image generator having arrived.
Neither has been watched, so no assessment of performance here.
This column does not intend to chase every "new king," but one thing is worth writing down this time: the interval between crown changes is shortening.
Looking back over just two months — FLUX 3, Seedream, Meta Muse, and now this — the top keeps swapping.
As a production decision, switching every time is not rational, because learning cost, connection to an existing workflow, and licence terms usually matter more than a difference in generation quality.
When the ranking moves, the things to look at are not whether it is number one but these three: does it fit in your graph, are the weights published, and did the commercial terms change.
Theoretically MediaがGPT-IMAGE 2.5を「AI画像の新しい王」として扱い、AI Searchも「最良の画像生成が来た」という切り口で取り上げています。
どちらも本編は未視聴なので、性能の評価には踏み込みません。
この欄でこの手の「新しい王」を追い続けるつもりはないのですが、今回だけ書いておきたいのは、王座が動く周期が短くなっていることのほうです。
この2か月を振り返っても、FLUX 3、Seedream、Meta Muse、そして今回と、上位が入れ替わり続けています。
背景制作の判断としては、そのたびに乗り換えるのは合理的ではありません。
学習コストと、既存のワークフローへの接続と、ライセンスの条件が、生成品質の差より効くことが多いからです。
順位が動いたときに見るべきは「1位かどうか」ではなく、「自分のグラフに載るか」「重みが公開されるか」「商用条件が変わったか」の3点だと考えています。
What This Means for Creators 制作者にとっての意味
This week split cleanly into low and high.
Low — at the workbench — four views to 3D through repair and retopology now fits in one graph, and one physical constraint on shooting came off.
Both are progress in the form of fewer steps: unflashy, but reliably felt in working hours.
High — on the side of institutions and claims — the Millennium Prize episode again showed that a claim of achievement and the procedure verifying it are separate things.
That is two weeks running, after the AGI declaration and the benchmark disagreement.
The two are not unrelated.
The shorter the process, the fewer the chances to check along the way.
A graph connecting end to end is good, but to the same degree it connects, where and what to measure becomes yours to decide.
That is what "measure the bounding box before you switch" meant in the four-view item above.
Next week continues on the same view.
今週は上下がはっきり分かれました。
下——つまり手元では、4方位から3Dを起こして修復とリトポまで1つのグラフに収まり、撮影の物理的な制約もひとつ外れました。
どちらも「工程が減る」という形の進歩で、派手さはありませんが作業時間には確実に効きます。
上——つまり制度や主張の側では、ミレニアム懸賞問題の一件が、成果の主張と検証の手続きが別物であることをまた見せました。
先週のAGI宣言とベンチマークの食い違いに続いて2週連続です。
この2つは無関係ではありません。
工程が短くなるほど、途中で確かめる機会も減ります。
グラフが1本に繋がるのは良いことですが、繋がったぶん、どこで何を測るかは自分で決めなければなりません。
4方位の話で「乗り換える前にバウンディングボックスを測れ」と書いたのは、そういう意味です。
来週も同じ見方で拾っていきます。
I'm also trying to see if I can create low-poly models in Astra without using the polygon reduction command.
If it works out, I might be able to make real low-poly models rather than something like building blocks made by combining basic shapes.
ポリゴン削減コマンドを使わずに、Astraでローポリのモデルを作れないかも試しているところです。
うまくいけば、基本形状を組み合わせた積み木のようなものではなく、本物のローポリモデルが作れるかもしれません。