overview
STARFlowとは？
STARFlowは、Appleが開発したGenerative AIモデルで、テキストプロンプトから高品質な画像や動画を作成できます。従来のDiffusion Modelsよりも大幅に高速な推論を目指し、単一パス生成のためにInvertible Flow Layersを利用しています。STARFlow (Scalable Transformer Autoregressive Flow) は、Autoregressive ModelsとNormalizing Flowsを組み合わせた新しいアーキテクチャによって特徴付けられます。このアプローチは、ガウスノイズを単一の順方向パスで一貫した画像または動画に変換し、多段階のノイズ除去を行うDiffusion Modelsと比較して生成を根本的に高速化します。Appleは2025年後半にSTARFlowをオープンソース化し、そのモデルウェイトを研究目的で公開しました。2025年12月にリリースされたSTARFlow-V動画生成モデルは、Normalizing Flow技術のみを使用しており、NeurIPS 2025のスポットライトとして紹介されました。このモデルは、並列処理と以前のフレームデータの再利用を活用することで、初期バージョンと比較して約15倍高速に5秒間の動画を生成できます。また、より長い動画セグメントにおける安定性とエラー蓄積にも対処し、30秒間のクリップで安定性を示しています。