定義
自己回帰動画生成とは、直前までに生成したフレームを条件として次のフレームを逐次予測し、動画を先頭から順に生成していく手法のこと。
自己回帰動画生成 (Autoregressive Video)とは（詳しく解説）
自己回帰動画生成は、言語モデルが次の単語を予測するのと同様に、動画を時間軸に沿ってフレームごと（またはフレームのまとまりごと）に逐次生成していく方式とされる。従来主流の拡散モデルが動画全体を一括でノイズ除去して生成するのに対し、自己回帰型は過去の生成結果を条件にして未来のフレームを予測するため、理論上はストリーミング的なリアルタイム生成や可変長の動画生成に向くとされる。一方で2026年時点の実運用では、フレームを重ねるごとに誤差が蓄積し、長尺になるほど画質や一貫性が崩れやすい「誤差累積」が課題として指摘されており、数十秒を超える生成では品質チェックの手間が増える。また逐次生成の性質上、拡散モデルと比べて推論時のGPUコストや相場感が読みにくく、現場では短尺・低遅延用途に絞って自己回帰型を採用し、長尺・高品質用途は拡散モデル系ツールと使い分けるのが一般的な選び方とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「自己回帰動画生成 (Autoregressive Video)とは」 https://aipicks.jp/glossary/autoregressive-video
自己回帰動画生成 (Autoregressive Video)の使用例
- リアルタイムのAIアバター配信やライブ映像生成など、低遅延で逐次生成したい用途で採用が検討される。
- 「直前のフレームを条件に次のフレームを予測し、動きを途切れず継続させて」という逐次生成の指示設計が典型例とされる。
