# 画像プロンプト

Mochi 1は、Genmoが開発した最先端のオープンソースAI動画ジェネレーターです。クリエイターは、テキストや画像のプロンプトを使用して、高品質でリアルな動画を生成できます。Mochi 1は、優れたプロンプトへの追従性と滑らかな動きで、AI動画生成を誰もが簡単に利用できるようにします。業界の他のモデルと競合することを目指し、クリエイターにより多くの制御と優れた視覚的な成果を提供します。

TIP-Editorは、テキストと画像プロンプト、そして3Dバウンディングボックスを用いて、編集領域の外観と位置を正確に制御できる正確な3Dエディターです。既存のシーンと参照画像の表現をより適切に学習するために、段階的な2Dパーソナライゼーション戦略を採用し、ローカル編集によって正確な外観制御を実現します。TIPEditorは、背景を変えずに局所編集を行うために、明確で柔軟な3Dガウシアン?スプラッシュを3D表現として利用しています。多くの実験により、TIP-Editorはテキストと画像プロンプトに基づいて指定されたバウンディングボックス領域内で正確な編集を行い、編集品質とプロンプトとの整合性において、定性的にも定量的にもベースラインを上回ることが実証されています。

IP-アダプターは、軽量なアダプターで、事前学習済みのテキストから画像を生成する拡散モデルに画像プロンプト機能を追加します。主な設計思想は、テキスト特徴量と画像特徴量のクロスアテンション層を分離する、デカップリングされたクロスアテンション機構です。IP-アダプターは、既存の制御ツールとの互換性があり、テキストプロンプトと合わせてマルチモーダル画像生成を実現します。既存の方法と比較して、IP-アダプターは画像品質が優れており、マルチモーダルプロンプトにより合致した画像を生成できます。