Kimodo-SOMA-RP-v1.2が商用利用可能に。足首の滑りが減り、制約精度は v1.1 と同等。
この記事のポイント
- テキストやポーズ制約から3D人体アニメを生成
- 漏洩データを除いた修正版でベンチマーク比較可能
- 商用利用可能な公開モデルで、2段階Transformer
数字で見る
この記事に出てくる数字
| モデルサイズ | 282M |
|---|
どこで使えるか
3D人体アニメを自前で生成したい人向け。商用利用可能で学習不要 Hugging Faceで公開済み ライセンスはother
スポンサーリンク
解説
かみくだいて説明します
nvidiaが2026-10-14、3次元の人体骨格アニメーションをテキストやポーズの指示から生成するモデル Kimodo-SOMA-RP-v1.2 を公開しました。282 Mパラメータの拡散モデルで、商用利用が可能です。
3次元の骨格アニメーションをテキストだけで作れるんですか? 技術者は現場で既に使われている手法を置き換える話ですか。
はい、テキストの他にも、全身のポーズや手の位置、動きたい経路といった制約条件も入力できます。v1.1から学習データの漏れを修正したv1.2になり、足が床を擦るような描画の乱れが減り、指示通りの動きに正確に追従するようになりました。
指示通りの動きに正確に追従するようになったんですね。研究をしている人から見ると、従来の手法と比べてどこが新しいんですか。
従来の手法は動きの途中大きな乱れが出がちでしたが、このモデルは段階的に動きを整えていく二段階の構造を採用しています。例えば、下書きで大体の動きを決めてから、最後の段階で関節の位置を精密に修正するイメージです。
下書きから精密修正する二段階の構造なんですね。AIを組み込む開発者にとって、動かすのに必要な環境は公開されていますか。
公開されています。コードと学習済みの重みを GitHub と Hugging Face から取得でき、テキスト、動画のフレーム数、ポーズの制約を組み合わせるだけで利用できます。
比較対象として正しい数値が出るようにしたんですね。テキストでの生成精度がやや下がるのは、学習データの修正が原因なんですね!
学習データからテスト用の序列を除外したため、テキスト追従のスコアはv1.1よりやや下がっています。ただし、ベンチマークの比較対象としてはv1.2が正しい数値を出すモデルです。
専門の知識がなくても3次元の動作データが作れるんですね。テキストと制約条件を指定するだけで出力できるのは、開発者の負担がかなり減りそうです!
はい、経験があってもなくても使えて、商用利用もできるように作られています。
では、この商用利用可能なライセンスの名前と、その中身について教えてください。
商用利用可能なライセンスですが、その具体的な利用条件については要旨には明記されていません。
最後に、商用利用を前提に開発が進められているのは確かですね!
コードベースのベンチマーク結果ページで、v1.2がv1.1と比較してフットスケートが減少し、制約精度が一致していることが確認できます。
出典
この記事のもとになった情報
- Hugging Face:nvidia/Kimodo-SOMA-RP-v1.2
- 公開日:2026-10-14
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。