3 分で読了
1 views

MOTIONCRAFT:物理ベースのゼロショット映像生成 — MOTIONCRAFT: Physics-based Zero-Shot Video Generation

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近社員から「動画生成AI」で社内向けの教育コンテンツや製造ラインの可視化ができると言われまして、正直どこから手を付ければいいか分かりません。こうした技術で本当に現場に価値が出るのか、投資対効果の観点で教えていただけますか。

AIメンター拓海

素晴らしい着眼点ですね!大丈夫、一緒に整理すれば必ず見通しが立てられますよ。まず結論から言うと、今回の技術は既存の画像生成モデルを活かしつつ物理シミュレーションで動きを与えるため、学習コストをかけずに用途に応じた短期PoCが打てるんですよ。

田中専務

要するに、今ある画像の能力を使って動画を作れるということですか?でも現場の動きというのは複雑で、例えば溶融や流体の動きなんか本当に再現できるのですか。

AIメンター拓海

そうなんです。ここでの肝は三つ。第一に、既に学習済みの静止画生成モデルをそのまま活用できる点、第二に、物理シミュレータを使って時系列の「光学フロー(optical flow)」つまり画素の移動量を計算して動きを設計できる点、第三に、その動きを画像生成の内部表現であるノイズ空間(latent noise space)に適用することで、単なる画素の移動以上の新しい要素生成が可能になる点です。

田中専務

ノイズ空間に動きを当てる、ですか。難しそうですね。そもそもノイズ空間ってどういうものなんでしょう。これって要するに映像の設計図のようなものという理解で合っていますか。

AIメンター拓海

素晴らしい着眼点ですね!ご説明を簡単にすると、画像生成モデルは

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
インテリジェンスのためのセミフェデレーテッド学習
(Semi-Federated Learning for Internet of Intelligence)
次の記事
ST-Gait++による歩容に基づく感情認識
(ST-Gait++: Leveraging spatio-temporal convolutions for gait-based emotion recognition on videos)
関連記事
AI整合性と社会選択の基本的限界と政策的含意
(AI Alignment and Social Choice: Fundamental Limitations and Policy Implications)
逐次再帰ニューラルネットワークによる言語モデリング
(Sequential recurrent neural networks for language modeling)
z = 7銀河の大規模調査 — Large Area Survey for z = 7 Galaxies in SDF and GOODS-N: Implications for Galaxy Formation and Cosmic Reionization
特徴量と分類器の不整合をプロンプト駆動で解決するフェデレーテッドラーニング
(Tackling Feature-Classifier Mismatch in Federated Learning via Prompt-Driven Feature Transformation)
圧縮を用いた大規模ネットワークモチーフ解析
(Large-scale network motif analysis using compression)
Vis-TOP:視覚トランスフォーマー オーバーレイプロセッサ
(Vis-TOP: Visual Transformer Overlay Processor)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む