本文へスキップ

VideoWorld

ラベルなし動画から学ぶ深層生成モデル

公式サイトを見る

VideoWorld とは

VideoWorld はラベルのない動画から複雑な知識を学ぶ深層生成モデルと紹介され、自己回帰的な動画生成を用いると説明されている。

できること

  • 視覚入力から任務の規則と操作を学ぶ
  • LDM で多段の視覚変化を表す
  • 直前のフレームから新しいフレームを生成する

導入の手順

  • オープンソースのコードとデータを取得する
  • VQ-VAE で動画フレームを離散トークンに変える
  • 次フレーム予測で自己回帰 Transformer を訓練する
  • 新しいフレームを生成し任務の操作を取り出す

長所と短所

✓ 良い点

  • オープンソースのコードとデータが用意される
  • 資料は動画囲碁で五段の水準に達したと記す

! 注意したい点

  • 学びの起点はラベルのない動画入力
  • 資料の手順は動画フレームの離散トークンを用いる

よくある質問

中核のモデルは?

資料は多段の視覚変化を表す潜在動的モデル(LDM)を挙げる。

何が公開される?

機能一覧はオープンソースのコードとデータを挙げる。

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