Amazon SageMakerでSeedVR2による動画アップスケーリングが可能に
- •Amazon S3とSageMaker AIが、オープンソースモデル「SeedVR2」を用いた拡張可能な動画アップスケーリングに対応した。
- •ml.g5.4xlargeインスタンスのワークフローをAWS Lambdaで自動起動する仕組みで動画修復を実現した。
- •SeedVR2は160億パラメータのGANアーキテクチャを採用し、解像度向上と細部の復元を行う。
組織はバイトダンス(ByteDance)が開発したオープンソースの修復モデル「SeedVR2」をAmazon SageMaker AIに導入し、動画のアップスケーリングを自動化できるようになった。本ソリューションは、大規模な動画ライブラリの処理における計算負荷、修復品質のバラつき、拡張性の課題に対処する。ユーザーはSageMakerのマネージドインフラを活用することで、低解像度の映像をコスト効率よく高精細なコンテンツへと復元できる。
システム構成はAWS CDKで定義された3層構造を採用している。SecurityStackがAmazon VPCとIAMによる環境分離を管理し、DataStackがAmazon S3を用いて入出力データの暗号化保存を担う。AWS Lambda関数がml.g5.4xlargeインスタンスによるSageMakerジョブを起動し、Amazon ECRから取得したカスタムDockerコンテナを使用してSeedVR2の修復アルゴリズムを実行する。この仕組みにより、単一ファイルおよびバッチ処理の両方に対応したスケーラブルなパイプラインが提供される。
SeedVR2は、拡散モデルと生成敵対ネットワークをAPT（拡散敵対事後学習）を通じて統合したハイブリッドアーキテクチャを用いる。160億パラメータのGAN構造と、適応型ウィンドウアテンションを特徴とするSwin Transformerを組み合わせ、高解像度データによる学習と蒸留を行っている。モデルはRpGAN損失とR1、R2正則化を併用し、出力の安定性と多様なモードへの対応を両立させた。これにより、ピクセル化やぼやけが生じた映像でも、細部の再構成やエッジの鮮鋭化が効果的に行われる。
導入にはPython 3.13以上、Docker、AWS CDKが必要となり、インフラ設定には約15分から20分を要する。デプロイ後はAmazon CloudWatchでパイプラインを監視可能だ。YAMLファイルを通じて解像度やバッチサイズなどのパラメータも柔軟に調整できる。ml.g5.4xlargeインスタンスの利用料は1時間あたり約1.20ドルであり、歴史的アーカイブのデジタル化やストリーミングライブラリの強化を、手作業による再マスタリングなしで効率的に実行できる。