オプション
家
速報
コンテンツ
EdwardBaker
EdwardBaker
2026年7月20日

Google DeepMindは、事前学習済みのビデオ生成モデルWan2.1を基盤として開発されたGenCeptionを公開しました。このモデルは深さ推定、セグメンテーション、3Dポーズ推定の分野において、ほぼ同等かそれ以上の性能を発揮します。訓練に使用される合成ビデオの数はわずか7,500本だけで、従来のモデルと比べて圧倒的に少なく、実世界の複数人物が登場するシナリオにも適用可能です。ただし、81フレームからなるビデオ1本を処理するのに6~10秒かかるため、推論速度は依然として課題となっています。

Google DeepMindは、事前学習済みのビデオ生成モデルWan2.1を基盤として開発されたGenCeptionを公開しました。このモデルは深さ推定、セグメンテーション、3Dポーズ推定の分野において、ほぼ同等かそれ以上の性能を発揮します。訓練に使用される合成ビデオの数はわずか7,500本だけで、従来のモデルと比べて圧倒的に少なく、実世界の複数人物が登場するシナリオにも適用可能です。ただし、81フレームからなるビデオ1本を処理するのに6~10秒かかるため、推論速度は依然として課題となっています。
コメント (0)
0/300
OR