撮れなかった記憶をAIで再現する時代へ

Google DeepMindが公開したドキュメンタリー「Love, Rendered」が、コンテンツ制作の世界で静かに注目されている。この作品が扱っているのは、カメラが存在しなかった時代の記憶だ。主人公であるBurtとEthelleが初めて出会った日——そこには当然、映像記録がない。DeepMindのチームはその「空白」を、当時のアーカイブ写真と、ポーズ制御モデルの組み合わせで埋めた。静止画から人物の姿勢・動き・表情のクセを読み取り、映像として再構成するというアプローチだ。発表内容を読むと、単なるフォトスライドショーとは次元が異なる。マイクロエクスプレッション（微表情）や仕草といった、その人固有のふるまいを再現することに注力したとある。技術的には「ポーズ制御モデル」と呼ばれる手法が中心で、画像内の骨格・関節情報をもとに動きを生成する仕組みだ。Runway、Pika、AnimateAnyoneなどのツールが採用しているものと同系統の技術が、ここまでの表現に使われている。

生成AIのコンテンツ制作活用は、「テキストから画像」「テキストから動画」という段階を経て、「静止画から動画」「記録のない過去から映像」というフェーズへ入りつつある。AI画像×動画生成、実践者たちの最前線でも触れたように、静止画を動画に変換するアプローチはすでに実践者の間で広がっているが、DeepMindの今回の事例はそれを「感情的・物語的文脈」に持ち込んだという点で一線を画す。

使う側として今回の発表から読み取るべき本質は、「撮影していない素材でもコンテンツが成立する」という実用的な転換点だ。

これまで動画コンテンツを作るには、動画を撮ることが前提だった。スマホで撮影する、カメラを借りる、あるいはストック映像を購入する——いずれにせよ「動いている素材」が起点だった。今回の手法は、その前提を崩す。手元にある古い写真、解像度の低い過去の記録、ネットに公開されているアーカイブ画像——そういった「静止した素材」を映像コンテンツへと変換するルートが、実用レベルに近づいている。

たとえば、こんな使い方が考えられる。創業者やブランドの歴史を振り返るコンテンツで、昔の写真しか残っていないケース。インタビュー素材が写真だけのケース。家族の歴史を映像にまとめたいが動画がないケース。ポーズ制御を使えば、人物の動きや表情を「それらしく」補完できる可能性がある。もちろん現時点では再現精度や倫理的な取り扱い（本人や遺族の同意、フィクション表示など）への配慮が必要なことは言うまでもないが、技術の方向性として知っておく価値は大きい。

生成AI画像、クリエイター現場にじわり浸透でも指摘されているように、AIによる素材生成はすでに「プロのクリエイターが使うもの」から「一人で動くジェネラリストが使うもの」に移行中だ。今回の技術もその延長線上にある。