LTX-Video向けピクサー風LoRAが登場：3Dアニメ映画の質感を動画生成に追加
Hugging Face にてオープンソース動画モデル「LTX-Video」向けのピクサー風 LoRA が公開された。既存の版権 IP を使わずに学習されており、トリガーワード「P1x4r」を指定することで、滑らかな質感や豊かな表情、映画級のライティングを備えた 3D アニメ動画を生成できる。
AI画像
新しいニュースを見る
AI動画の人体崩壊を防ぐ「PhyMotion」公開：物理エンジンで関節や接地を採点
AI動画生成における不自然な人体動作を改善する報酬システム「PhyMotion」のコードが公開された。動画から抽出した3D人体を物理シミュレータ「MuJoCo」で検証し、関節や接地の妥当性をスコア化することで、ヨガや武術など複雑な動きでの手足の崩れを抑える。
非対称フローモデル「AsymFlow」発表：VAE不要でピクセル空間から直接画像を生成
潜在空間やVAEを介さずにピクセル空間で直接画像を描画する新手法「AsymFlow」が発表されました。ノイズ予測を低ランク部分空間に抑えることで生成速度を40%向上させ、ImageNetで1.57 FIDを達成。従来の潜在拡散特有の不自然な質感を解消し、より精細でリアルな質感を再現できます。
Krea、初の独自画像生成基盤モデル「Krea 2」を発表 画風制御に特化
Kreaはゼロからスクラッチ開発した初の独自画像基盤モデル「Krea 2」を発表した。サードパーティ製モデルの流用ではなく、美的表現の多様性と画風制御に特化して設計されている。ツール開発から自社モデル開発への転換点となり、現在早期アクセスを受け付けている。
画像生成モデル「L2P」公開：VAEを完全排除しピクセル空間で直接生成
画像生成モデル L2P が公開された。従来の拡散モデルから VAE と潜在空間を取り除き、ピクセル空間で直接画像を生成することでディテールの欠損を防ぐ。最大 4K 解像度に対応し、現在はコードおよび 1K 解像度向けの約 20GB のモデル重みが提供されている。
SenseNovaがU1.5-8Bをオープンソース化：VAE不要、画素空間で直接4K生成
SenseNovaがマルチモーダルモデル「SenseNova-U1.5-8B-MoT」をApache 2.0で公開しました。従来の潜在空間やVAEによるデコードを省き、画素空間から直接ネイティブ4K画像をエンドツーエンドで生成できるほか、自然言語での画像編集にも対応します。ただし重みは約50GBあり、ローカル実行には高性能GPUが必須です。
Vivago AIがHiDream-O1 Imageをオープンソース公開：VAE不要で2K文字ポスターを高精度描画
Vivago AIがオープンソースの画像生成モデル「HiDream-O1 Image」を公開した。従来のVAEを排除し、ピクセル空間で直接処理するエンドツーエンド構造を採用。最大2K解像度に対応し、オープンモデルが苦手だった文字描画や複雑なポスターレイアウトを高い精度でこなす。モデルサイズは32GBと大きく、動作には高性能GPUが必要となる。
「Pixal3D」公開：ピクセル整合で超高精度な3Dメッシュを画像から生成
単一画像から高精度な3Dモデルを生成する「Pixal3D」のコードが公開された。2Dピクセルと3D構造を直接対応付けるピクセル整合手法により、従来の曖昧な生成処理を大幅に改善。ゲームや映像制作にも耐えうる、実測再構成レベルの忠実な3Dメッシュを出力できる。
動画再照明フレームワーク「Relit-LiVE」：カメラ追跡不要で物理的に正確な光影を維持
研究チームが動画の再照明フレームワーク「Relit-LiVE」を発表しました。カメラの事前姿勢データを使わずに、照明変更後のフレームと視点に応じた環境マップを同時に生成。長尺動画でも影や反射の物理的整合性を保ち、素材置換や影消し編集にも対応します。
LTX Studioが「Flows」を発表：ノード型キャンバスで画像・動画生成を一括自動化
LTX Studio はプラットフォーム内にノード型キャンバス機能「Flows」を公開した。視覚的なノード UI で生成ロジックを一度構築すれば、何度でもバッチ単位で実行できる。画像や動画のワークフローを毎回作り直す手間を省き、制作プロセスの効率化を目指す。
アリババ、画像生成を4歩に短縮する「CDM」発表 画質を保ち5倍高速化
アリババは拡散モデルの生成速度を引き上げる新手法「CDM」を発表した。通常20〜50ステップかかるノイズ除去をわずか4ステップに短縮し、既存のDMD2で目立ったプラスチックのような質感の低下を防止。SD3やLongCatに対応し、手元のGPUでほぼリアルタイムに高画質画像を生成できる。
アニメ特化の画像生成AI「Zanime」公開 6B全量微調整、4ステップ生成に対応
開発者のSeeSee21氏は、アリババのZ-Image Baseをフルファインチューニングしたアニメ特化型画像生成モデル「Zanime」を公開した。60億パラメータで、6GBのFP8版や4ステップで高速生成できる蒸留版を用意。従来のタグ列ではなく自然言語プロンプトに対応し、8GBのVRAMでも軽快に動作する。
ロボットが即座に触れる3Dモデルを生成 物理特性を備える「PhysForge」登場
物理シミュレーションでそのまま機能する3D資産を生成するフレームワーク「PhysForge」が発表された。視覚言語モデルが関節や素材などの物理設計図を作成し、拡散モデルが運動学パラメータを含む形状を生成する。ロボット学習や仮想世界の構築で、手作業のリギングを省ける点が期待される。
Unity、「Unity AI」のオープンベータを開始 Unity 6エディタに直接統合
Unityは「Unity AI」のオープンベータ版をUnity 6以降の全開発者向けに公開した。エディタに直接組み込まれ、デザイン画像から即座にプロジェクト用アセットやシーンを生成できる。AI GatewayやMCPサーバーを通じた外部ツールの連携にも対応する。
Sprite-Pipeline：AI動画をUnity・Godot向けの2Dスプライトシートに変換
オープンソースツール「Sprite-Pipeline」が公開された。AIが生成したキャラクター動画からFFmpegでフレームを抽出し、背景を透過処理して256×256の水平スプライトシートへ変換する。UnityやGodotにそのまま読み込めるほか、ブラウザでのプレビュー機能やAIプロンプト指針も備える。
Microsoft、見下ろし型マップから探索可能な3D世界を生成する「Map2World」発表
Microsoftは上空からの分割マップとテキストから探索可能な3D世界を構築するAI「Map2World」を発表した。色分けしたエリアごとに四季や異なる景観を指定でき、建物のスケール感を保ったまま広大な3D空間を生成できる。
動画の法線や照明を同時生成する「UniVid-X」登場 背景差し替えや再ライティングも可能に
動画拡散モデルを活用したマルチモーダルフレームワーク「UniVid-X」が発表された。通常のカラー映像だけでなく、物体の地色や光の照射情報、表面法線、アルファチャンネルを同時に推定・生成できる。これにより、単一の動画から夕暮れの光を再現したり、前景・背景を高精度に差し替えたりする編集が可能になる。
Mocap Anything v2公開：普通の単眼動画から任意の3D骨格アニメーションを生成
任意の骨格に対応したモーションキャプチャモデル「Mocap Anything v2」が公開された。一般的な単眼動画から人間や動物、架空のキャラクターの骨格回転を直接予測可能。完全なエンドツーエンド学習により従来の関節ねじれやブレを解消し、推論速度も大幅に向上させている。
Nvidiaが「D-Rex」発表：豊かな表情の全身アバターを自由自在に再ライティング
Nvidiaは全身アバターシステム「D-Rex」を発表した。動作・表情の生成とライティングを分離し、白光下のアバター映像に動画拡散モデルで任意のHDR照明を反映させる。表情の豊かさを崩さずに別光源のシーンへ自然に合成できるのが特徴だ。
3D再構成モデル「RecGen」：重なり合う物体も1枚の画像から完全復元
研究チームが3D再構成フレームワーク「RecGen」を発表した。1枚または少数のRGB-D画像から、物体の遮蔽や重なりを考慮して完全な3D形状・テクスチャ・配置を推定する。従来手法と比べ形状品質を30.1%改善し、ロボットシミュレーションなどの空間把握を前進させる。