# モーション生成

MotionCLRは、アテンションメカニズムに基づくモーション拡散モデルであり、人間の動作の生成と編集に特化しています。自己アテンションとクロスアテンションメカニズムを通じて、モーダル内およびモーダル間の相互作用をそれぞれシミュレートし、動作シーケンスの精密な制御と編集を実現します。このモデルの主な利点としては、トレーニングなしで編集が可能であること、解釈性が高いこと、アテンションマップを操作することで動作の強調または弱体化、その場での動作置換、例に基づく動作生成など、多様なモーション編集方法を実現できることが挙げられます。MotionCLRの研究背景は、従来のモーション拡散モデルにおける細粒度編集能力の不足を解決することであり、明確なテキストと動作の対応関係を通じて、動作編集の柔軟性と正確性を向上させます。

Mochi 1は、Genmo社が発表した研究プレビュー版のオープンソース動画生成モデルです。AI動画分野における根本的な課題の解決を目指しています。比類のないモーションクオリティ、優れたプロンプトへの忠実性、アンキャニバレー（不気味の谷）を超える能力を特徴とし、自然で滑らかな人物の動きや表情を生成できます。Mochi 1の開発背景には、特にゲーム、映画、エンターテインメント業界における高品質な動画コンテンツ生成への需要の高まりがあります。現在、無料トライアルを提供しており、具体的な価格情報はページには記載されていません。

ControlMMは、プラグアンドプレイ式のマルチモーダル制御機能を備えた全身運動生成フレームワークです。テキストからモーション（Text-to-Motion）、音声からジェスチャー（Speech-to-Gesture）、音楽からダンス（Music-to-Dance）など、複数の分野において堅牢なモーションを生成できます。本モデルは、制御性、シーケンシャル性、モーションの自然さに優れた特性を備え、AI分野における新たなモーション生成ソリューションを提供します。

Boximatorは、Jiawei Wang氏、Yuchen Zhang氏らによって開発された、高度な動画合成ツールです。最先端の深層学習技術を用いて、テキストプロンプトと追加のボックス制約を追加することで、豊かで制御可能な動画の動きを生成します。ユーザーは、サンプルやカスタムテキストを使用して、独自の動画シーンを作成できます。Boximatorは他の手法と比べて、テキストプロンプトからの追加のボックス制約を使用することで、より柔軟な動き制御を提供します。