本文へスキップ

Pippo

一枚の写真から 1K の多視点動画を生成

公式サイトを見る

Pippo とは

Pippo は Meta Reality Labs と複数の大学が共同で開発した生成モデルと紹介され、一枚の普通の写真から高解像度の多視点動画を生成する。 パラメトリックモデルやカメラパラメータなどの追加入力なしに 1K 解像度の動画を生成でき、多視点拡散トランスフォーマーの構成に基づくと説明されている。

できること

  • 一枚の写真から高解像度の多視点動画を生成する
  • 128・512・1024 の解像度でモデルを学習できる
  • Ava-256 などのサンプル学習コードとデータセットを備える
  • 生成画像と実画像の再投影誤差を計算する
  • 制御 MLP と注意バイアスで拡散トランスフォーマーを整える
  • A100 や T4 など異なる GPU 構成で動かせる

活用場面

  • 研究者が一枚の写真から多視点動画を作り仮想現実の内容に用いる
  • 映像制作チームが高解像度の仮想キャラクター動画を生成する
  • 開発者がコード構成をもとに新たな画像生成応用を広げる

導入の手順

  • リポジトリをクローンして作業環境を用意する
  • Conda で環境を作り PyTorch などの依存を入れる
  • 付属スクリプトで Ava-256 のサンプルデータを取得する
  • GPU 構成に合う設定ファイルを選び学習を始める

注意点

  • コードは公開されているが事前学習済みの重みは含まれない
  • 利用者は自分でモデルを学習する必要がある

長所と短所

✓ 良い点

  • パラメトリックモデルもカメラパラメータも不要
  • 128・512・1024 の解像度で学習できる

! 注意したい点

  • 公開コードに事前学習済みの重みは付属しない
  • 利用者が自らモデルを学習する必要がある

よくある質問

Pippo は何を生成する?

資料は一枚の普通の写真から高解像度の多視点動画を生成すると説明。

事前学習済みの重みは付く?

資料はコードが公開される一方で重みは含まれず、利用者が自ら学習すると説明。

最終評価日: 2026-11-15

その他 AI動画生成 ツール

すべて見る →

評価方法