中国テクノロジー企業CAが開発したKeying AIビデオ生成ツールは、Stable Diffusionなどの最先端モデルを一部の側面で凌駕する驚くべき能力を実証しています。

主な特徴の1つは3D時空間アテンションメカニズムで、これにより複雑な時空間運動をより良くキャプチャし、物理法則に準拠しつつ大きな動きのあるビデオを生成できます。ゴビ砂漠を馬に乗る男性や月面を走る宇宙飛行士のクリップでは、キャラクターの動きと背景要素が見事に統合されています。

もう1つの印象的な側面は、1分間30フレームの高品質で一貫性のあるビデオを最大2分間生成できる点です。これは、ビデオ生成におけるAIの課題であるシーンコンテキストと時間的整合性の理解力の高さを示しています。

物理世界の特性のシミュレーションも驚くべきで、カップにミルクを注ぐクリップでは、ミルクが安定して流れ、カップに現実的に満たされています。これは流体力学の把握力を示しています。

最も印象的な例の1つは、箸で麺を食べる中国人男性のクリップです。唇まわりのソースなどの微妙な詳細が、実際の映像と区別するのが難しいほどの写実性で捉えられています。

このモデルは、現実世界のデータに存在しない猫が車を運転するや、レゴのキャラクターが美術館を訪れるなど、新しい概念を組み合わせる能力も備えています。

最後に、映画のような高品質な静止画を生成する能力は大きな進歩で、ビデオAIシステムの一般的な制限に取り組んでいます。夕日の下の煙突のクリップは、モデルが達成した印象的な視覚的忠実度を示しています。

全体として、中国企業CAが開発したKeying AIビデオ生成ツールは、一部の分野で現在の最先端モデルを凌駕する驚くべき能力を実証しています。この進展は、AIビデオ生成の急速な進歩と、中国がこの分野で強力な競争相手となる可能性を示しています。