動画生成 — 一枚の先に、時間がある

文章・画像・元動画を入口にする制作と、時間的一貫性を扱う研究。製品のデモと研究の原理を別々の資料で読みます。

一枚ずつ良い画像でも、つなげると自然な動画になる？

この節目は2023年のGen-2紹介。課題の背景として挙げたVideo Diffusion Modelsの初公開は2022年4月7日です。

展示記事更新 2026-10-29

その時代、何を目指した？

動画では、登場する物や人物が次の瞬間にも対応していなければなりません。見た目に加え、動きや時間のつながりが課題になります。

動画では、1枚ずつの絵が美しいだけでは足りません。同じ人物や物体が前後のフレームで保たれ、動きがつながる「時間方向の一貫性」が課題です。2022年のVideo Diffusion Modelsも、この問題を研究の目標に挙げています。

Gen-2の公式紹介では、文章、画像、動画を使う複数の入力方法が示されました。これは制作の入口を知る資料です。紹介ページのデモだけから、製品内部のモデル構造を確定することはできません。

Video Diffusion Modelsの研究は、時間方向に一貫した動画を生成する課題を扱います。この論文は背景技術を読む資料であり、Gen-2が同じ実装を採用したことの証明としては扱いません。

Gen-2の公式紹介は、文章・画像・元動画を入力として映像を作る複数の方法を示しました。言葉だけでなく、構図や既存の動きを手がかりとして渡せる点が、制作上の変化です。内部方式をこの紹介だけから断定はしません。

静止画の品質、フレーム間の対応、動きの自然さ、長い時間の一貫性は分けて観察できます。短い成功例が、任意の長さや複雑な動作でも同じように動くことを保証するわけではありません。

画像を入力したことだけで、全フレームの人物や細部が一致するとは保証されません。また、2022年の研究論文とGen-2は別の資料です。先行研究の仕組みを、そのまま特定製品の採用技術として書かないようにします。

編集の視点：最初は「机の上の紙飛行機を、カメラがゆっくり近づいて映す」のように、主役1つ・動き1つで比べます。開始・途中・終了の静止画を見比べると、形の変化と意図した動きを分けて評価できます。

本文は資料をもとにした日本語の解説です。引用画像は個別に出典を表示しています。研究の結果と現在の製品の提供条件は区別して読んでください。

公式発表・研究資料Gen-2: Generate novel videos with text, images or video clips Runway Research · 2023 · Gen-2の紹介年
読む場所：Text to Video; Text + Image to Video; Image to Video; Video modes
文章・画像・元動画を使う入力方法を公式紹介で確認。
資料確認 2026-10-22
研究論文Video Diffusion Models Ho et al. / arXiv · 2022-04-07 · arXiv初公開
読む場所：Abstract; Introduction
時間方向に一貫した動画生成という研究上の課題。
資料確認 2026-10-22