ResearchMan← Technology
Self Gradient Forcing (SGF)
Research商用OK (Apache-2.0)#GenVideo

Self Gradient Forcing (SGF)

清華大学 / JD Joy Future Academy/2026-07

Overview

5秒クリップでしか学習していない動画生成モデルを、2パス方式の追加学習で最長約4分まで一貫性を保って生成できるようにする学習手法。コード・重み・学習スクリプトまで全公開。

技術のポイント

動画生成AIの多くは5秒程度の短いクリップでしか学習しておらず、それより長く生成しようとすると人物の顔や部屋のレイアウトが徐々に別物に変わってしまう「長尺の壁」がありました。Self Gradient Forcing(SGF)は、モデルが自分で生成した過去の映像(記憶)から学ぶための勾配の通り道を2パス方式の学習で復元するという発想で、5秒の学習窓のまま最長約4分(16fpsで240秒)の一貫した動画生成に成功した研究です。論文だけでなくコード・学習済みモデル・学習スクリプトまでApache 2.0で全公開されています。広告・体験づくりでは、サイネージや店頭ディスプレイ向けの長尺ループ映像、ワンカット長回し風のブランドムービー、会場で流し続ける生成映像インスタレーションなど、これまで数十秒ごとの切り貼りでしのいでいた長尺表現を1本の生成でつくれる可能性が開けます。

技術の詳細

自己回帰型の動画生成は、直前までに自分が作った映像を「記憶」として参照しながら続きを作ります。ところが従来の学習では、この自己生成した記憶に対して誤差を遡って伝える経路(勾配)が切れており、モデルは「自分の記憶をどう使うべきか」を学べませんでした。SGFは学習を2回に分けてこれを解決します。1パス目は本番と同じ条件で勾配なしの自己回帰生成を行い、途中の状態を記録。2パス目で記録した地点だけを並列に再計算し、切れていた勾配を復元します。リハーサルを通しで録画しておき、あとで要所だけコマ送りで復習するイメージです。 Self-Forcing++などの先行手法は、生成の全過程に誤差逆伝播する膨大な計算を払うか、勾配経路そのものを諦めるかの二択でしたが、SGFは計算量を抑えたまま欠けていた学習信号を回復する点が新しく、長尺化した際の人物の同一性・レイアウト・時間的安定性が向上したと報告されています。デフォルト設定では963潜在フレーム=16fpsで約240秒の生成に対応します。 ベースはオープンソースのWan2.1-T2V(1.3B/14B)で、GitHubに推論・学習コード、Hugging Faceに学習済み重みが公開されています。推論スクリプトは8GPU構成を想定していますが、1GPUでの逐次実行にもフォールバック対応。ライセンスはApache 2.0で商用利用も可能です。清華大学とJD(京東)の研究チームが2026年7月23日に公開しました。

License

コード・学習済み重み(HF: JunhaoZhuang/Self_Gradient_Forcing)ともApache 2.0。ベースはWan2.1-T2V(同じくApache 2.0)。

Sources

Related Works

  • Self-Forcing++

    分スケール高品質動画生成を目指した先行研究(本手法の比較対象)

  • Wan2.1

    SGFがベースにするオープンソース動画生成モデル