カカオが人工知能（AI）動画生成の速度が3.2倍速くなる適応型トークナイズ技術を公開した。
カカオは国際学会「ECCV（European Conference on Computer Vision・欧州コンピュータビジョン学会）2026」で、イ・ヨンギョン・カカオリサーチエンジニアが論文発表に臨み、AI動画生成モデルの難題とされてきた膨大な演算量と高い計算コストの問題を解決する適応型トークナイズ技術を発表すると9日明らかにした。
ECCVはCVPR（コンピュータビジョンおよびパターン認識学会）、ICCV（国際コンピュータビジョン学会）と並ぶ世界3大コンピュータビジョン学会とされる。今年は12日までスウェーデンで開催される。
最近のAI業界では高解像度・長時間ビデオ生成へと研究の流れが拡張されるなか、指数関数的に増加する計算コストを削減することが核心課題として浮上した。従来の動画圧縮技術（トークナイズ）は映像内容と無関係に固定比率でのみデータを圧縮していたため、背景が静止している、あるいは動きが少ない場面でも不必要に多くのトークンを生成し、動画生成モデルの演算資源を消耗する限界があった。
カカオはビデオフレーム間の重複性が高い点に着目し、映像の時空間的複雑度に応じて演算に必要なトークン数をAIが自ら判断して調整する適応型トークナイズ技術「KATok（Keep-or-Drop? Adaptive Tokenizer for Compact Video Representation）」を研究した。動きが大きく情報量の多い複雑な場面にはより多くのトークンを配分し、逆に静的または単純な領域では重複トークンを除去する方式だ。人が逐一トークン数を指定しなくても、AIが映像内容に合わせて必要な演算量を自律的に決定し、資源をはるかに効率的に配分できる。
実験の結果、KATokは従来方式より著しく少ないトークン数でも高品質の映像を再構成し、優れたデータ圧縮の成果を示した。ビデオ生成パイプライン全体に適用した場合、最適化されたトークン表現により、従来比で動画生成モデルの学習速度は約6.9倍、動画生成速度は約3.2倍向上した。
チェ・ドンジン・カカオApplied AIモデル成果リーダーは「高解像・長時間映像のように演算量が急増する環境であるほど、KATokの適応型トークナイズ技術が発揮する演算削減効果は一層大きくなる」と述べ、「今後、多様なAIビデオ生成モデルとの汎用性を検証し、演算量は抑えつつも優れた画質を維持する大規模ビデオ生成の中核基盤技術へと発展させていく」と語った。