Video Diffusionは、コンピューターによる動画生成の先進的な技術である。専門的には「拡散モデル（Diffusion Model）」を応用して動画を作り出す方法である。
拡散モデルの仕組み
「ディフュージョン（Diffusion）」とは、においや色、水などが自然に広がっていくことを表す言葉である。
Video Diffusionはこの考え方を使い、まずランダムなざらざらした画像（ノイズ）から始める。
そこからAIが少しずつノイズを消していき、だんだんはっきりした自然な動画に変えていく。この作業を時間の流れに合わせて行うので、動画の動きが自然で滑らかになるのである。
video diffusionの仕組み
動画を作る技術にはVideo GANもある。Video GANは2つのAIが競争しながら学ぶ仕組みであるが、Video Diffusionはそうした競争を使わない。そのため、より自然で連続した動きを作りやすい特徴がある。ただし、動画を作るには何度もざらざらを消す作業を繰り返すため、すごく高性能なコンピューターが必要で、費用も高くなるという欠点がある。
特徴
Video Diffusionには以下の特徴がある。
- 滑らかで自然な動画を生成できる
動画は多数の静止画（フレーム）がつながって出来ているが、Video Diffusionは各フレーム間のつながりを自然に保ち、滑らかな動きを実現する。 - テキストや静止画から動画を生成可能
「猫が走る動画を作成して」といったテキスト指示や、写真を元に動画を制作できる。 - 多様な映像スタイルの適用が可能
特定の映像の雰囲気やタッチを学習し、それを別の動画に生かすこともできる。
提唱・開発の歴史
2020年代初頭、静止画を作るAIが進化したことで、動画を作る技術の研究も進んだ。以前は動画を作るのにたくさんの計算が必要で、動画の動きがぎこちなくなる問題があった。しかし、拡散モデルを時間の流れに合わせて使うことで、問題が改善された。
Video Diffusionは複数の研究グループによって並行して発展してきたものであり、単一の提唱者は存在しない。基礎となる拡散モデルは、Googleのジョナサン・ホー氏が2020年に発表した論文「Denoising Diffusion Probabilistic Models」によって広く知られるようになった。
デザイン上での利用方法
Video Diffusionは、デザインやUXの領域において以下のように活用されている。
- コンセプト可視化
アイデア段階の内容を動画化し、関係者間での共有や検討を促進する。 - プロトタイピングUI
UIアニメーションやインタラクションの試作をコーディング不要で迅速に行う。 - コンテンツ制作の効率化
広告や教育用動画の制作工数を削減し、多様なバリエーションを簡単に生成する。 - ビジュアルコミュニケーション
複雑な概念や製品機能をわかりやすく動画で説明する際に活用される。
「この場面に使える」シーンと具体例
- プロダクトデモンストレーション
新製品のプロモーション動画作成に利用できる。例えば、スマートホームデバイスの利用シーンをテキスト指示だけで複数パターン生成し、ターゲット層ごとにカスタマイズした動画を短時間で制作できる。 - UXプロトタイピング
モバイルアプリのインタラクションデザインに活用できる。新機能のUIアニメーションを複数パターン生成し、ユーザーテストを実施することで、実装前に最適な動きを検証できる。 - コンテンツマーケティング
SNS向け短尺動画コンテンツの制作に役立つ。商品写真から15秒のショート動画を自動生成し、日々の投稿コンテンツを効率的に作成できる。テキストプロンプトの変更だけで、異なるムードやシーンの動画が作れる。 - 教育コンテンツ
複雑な概念の説明動画の作成に利用できる。科学的概念や抽象的なビジネスプロセスをアニメーション動画として可視化し、静止画では伝わりにくい変化や流れを動的に表現できる。
参考リンク
- Denoising Diffusion Probabilistic Models（Jonathan Ho氏による拡散モデルの基礎論文）
- Diffusion Models for Video Generation: A Survey（技術の全体像をまとめた論文）
