ソーシャルメディアの巨人であるMetaは最近、革新的なビデオ生成用のAIモデルおよび画像編集を公開しました。これらの最先端のモデルはまだ実験段階ですが、初期の結果から、これらはコンテンツクリエイター、アーティスト、アニメーターにとってゲームチェンジャーになる可能性があると示唆されています。
Emu VideoとEmu Editの力を明らかにする
Metaが導入した2つのAIモデル、Emu VideoとEmu Edit。Emu VideoはMetaの以前のEmuモデルの拡張で、テキストと画像の入力からビデオクリップを生成できます。一方、Emu Editは画像の操作に焦点を当て、画像編集の精度を向上させています。
Emu Videoはユニークな”因子分解”アプローチを使用し、トレーニングプロセスを2段階に分割して、モデルが異なる入力に対応できるようにしています。まず、テキストのプロンプトに基づいて画像を生成し、その後、テキストと生成された画像の両方を使用してビデオを作成します。このモデルはまた、テキストのプロンプトに基づいて画像を”アニメーション”することもできます。
Emu Videoは、512×512ピクセルの4秒間のビデオを1秒あたり16フレームで生成するために、深いモデルの連鎖に頼る他のモデルとは異なり、2つの拡散モデルのみを使用しています。一方、Emu Editは、ユーザーが画像の背景を追加または削除したり、色や形状を変換したり、画像をローカルおよびグローバルで編集したりできるようにします。
Metaの精度と反応性への取り組み
Metaは、これらのモデルの主な目標は単に”信じられる”画像を生成することではなく、編集リクエストに関連するピクセルのみを最高の精度で変更することだと強調しています。例えば、野球帽に”Aloha!”というテキストを追加するような指示の場合、モデルは帽子自体が変わらないようにします。
Emu Editは、10百万の合成画像のデータセットを使用してコンピュータビジョンタスクでトレーニングされ、入力画像、タスクの説明、およびターゲットの出力画像を持つデータセットを使用してトレーニングされました。Metaは、これが今日までに存在する最大のデータセットだと主張しています。
巨大なデータセットでAIモデルをトレーニングする
元のEmuモデルは、FacebookやInstagramのユーザーが共有した写真やキャプションを含む、驚異的な11億のデータでトレーニングされました。これはCEOのMark Zuckerbergが9月のMeta Connectイベントで明らかにしました。
これらのAIツールの可能性にもかかわらず、規制当局からの厳格な監視のため、Metaはその展開には慎重でした。例えば、Metaは最近、政治的キャンペーンや広告主がFacebookやInstagramで広告を作成するためにそのAIツールを使用することを許可しないと発表しました。
私たちがAIとその応用の世界にさらに深く入っていく中で、cryptoview.ioのようなプラットフォームは急速に進化するテックの世界で最新の動向をユーザーに提供できます。その包括的な機能でcryptoview.ioは、テックの世界の最新情報にユーザーを更新するのに役立ちます。
