本文へスキップ

Show-1

ピクセルと潜在の拡散モデルによる文章から動画への生成

公式サイトを見る

Show-1 とは

本モデルはピクセルレベルと潜在変数レベルの拡散モデルを組み合わせた効率的な文章から動画への生成モデルと説明されている。まずピクセルレベルのモデルで低解像度の初期動画を作り、潜在モデルで高解像度へアップサンプリングする。

できること

  • 入力した文章に沿った動画を生成する
  • 高品質な動画を出力する
  • 少ない計算リソースで動作する

使用例

  • 滝のそばで看板を持つパンダの提示を入力する
  • 部屋で踊る少女の提示を入力し踊る動画を生成する
  • 毛糸で遊ぶ猫の提示を入力し動画を生成する

モデルについて

  • ピクセルレベルのモデルが低解像度の初期動画を作る
  • 潜在変数レベルのモデルが高解像度へアップサンプリングする
  • 資料は文章との結びつきが純粋な潜在モデルより正確と説明
  • 資料は計算コストが純粋なピクセルモデルより低いと説明

長所と短所

✓ 良い点

  • 資料は純粋な潜在モデルより文章との整合が高いと説明
  • 資料は純粋なピクセルモデルより計算量が少ないと説明

! 注意したい点

  • 生成はピクセルモデルと潜在モデルの二段階で進む
  • 挙がる範囲は文章から動画への生成と条件付き動画生成に留まる

よくある質問

どうやって動画を生成する?

資料はピクセルレベルのモデルで低解像度の初期動画を作り、潜在モデルで高解像度へアップサンプリングすると説明。

どんな提示例が挙がる?

滝のそばで看板を持つパンダ、部屋で踊る少女、毛糸で遊ぶ猫が挙がる。

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