OpenAI Sora：生成AIの転換点、動画領域での可能性

今週のテーマ：動画生成AI

動画生成技術の進化は、現代のデジタルコンテンツ制作に革新をもたらしています。その中でも、Soraは注目を集める新たな動画生成モデルとして登場し、その優れた能力により多くの関心を集めています。本記事では、Soraの特徴と動画生成におけるその重要性に焦点を当て、物理学的原則に基づいた評価基準の導入による新たな評価手法について探求していきます。

💡 この記事から得られる３つのナレッジ
・革命的な動画生成AI 「Sora」の特徴
・動画生成AIの評価基準
・物理学的なアプローチで評価する意義

論文データ：

今回のディスカッション対象の論文、記事をご紹介します。

• タイトル：Video generation models as world simulat
  著者：OpenAI
  URL：https://openai.com/research/video-generation-models-as-world-simulators
• タイトル：Sora Generates Videos with Stunning Geometrical Consistency
  著者：Xuanyi LI, Daquan ZHOU, Chenxu ZHANG, Shaodong WEI,Qibin HOU & Ming-Ming CHENG
  URL：https://arxiv.org/pdf/2402.17403.pdf

目次

Soraの特徴

動画生成能力の比較結果

動画生成AIの評価基準を定めることの重要性

物理ベースのメトリクスの重要性と将来の研究への展望

終わりに

近年、生成AIブームが到来し、いくつかの動画生成AIが発表されてきました。しかし、これまでのコンピューターで作られた動画は、物理法則から外れた非現実的な動きになりがちでした。そんな中OpenAIが、新しい手法を考案しSoraというモデルを発表したところ、業界に衝撃が走りました。従来の方法と比べると、物体の形状や動きをよりリアルに再現できており、1分程度の長い動画でもスムーズに生成することが可能です。下の動画のような現実味がある動画が生成されるため、現実との見分けがつかないと感じる方もいると思います。

引用：https://openai.com/sora
使用されたプロンプト： A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage. She wears a black leather jacket, a long red dress, and black boots, and carries a black purse. She wears sunglasses and red lipstick. She walks confidently and casually. The street is damp and reflective, creating a mirror effect of the colorful lights. Many pedestrians walk about.
（日本語訳：暖かく光るネオンとアニメーションの街の看板で埋め尽くされた東京の通りを歩くスタイリッシュな女性。黒いレザージャケットに赤いロングドレス、黒いブーツを履き、黒い財布を持っている。サングラスに赤い口紅。彼女は自信に満ち、さりげなく歩いている。通りは湿っていて反射し、色とりどりのライトの鏡のような効果を生み出している。多くの歩行者が歩いている。）

このSoraというモデルは、OpenAIで有名なGPTモデルと同様にTransformerと呼ばれる技術を用いたノイズ拡散モデルです。従来の動画生成モデルと異なり、物理シミュレーションを行うことで、より現実に近い動画生成を実現しています。これにより、カメラの回転や被写体の回り込みなど、ダイナミックな動きを伴う動画を生成することができます。また、Soraでは、動画生成AIモデルを大規模に学習させる新しい手法を採用しています。

　PAIoneerPRO会員に登録 ▷　
PAIoneer PRO
詳細はこちら

　会員の方はログイン▷