動画モデルの学習効率を上げるデータフィルタリングの実践

Getting video models to learn better, faster

Linumのエンジニアが、生成動画モデルの事前学習に使うデータのフィルタリング手法を2024年から2025年にかけてどう進化させてきたかを解説。CPUで動く古典的なCV（シーン検出、OCR、モーションベクター、Haarカスケード）から、ファインチューニングしたLLM（Qwen-2-VL、Qwen-2.5-VL）によるカテゴリ分類や美的フィルタリング、さらに強化学習（RLVR）を活用した手法へと移行した経緯を、具体的なツール名や判断基準とともに紹介。低品質データがモデルの学習を妨げるという基本原則を実践的に示す。