■ 概要 Microsoft Research との共同で ECCV 2024 採択の、拡散モデル + マルチスケール VAE 特徴量を組み合わせた高精度 3D アバター生成フレームワーク。 ■ 特徴・用途 - **前処理の重さ**: 推論前に `encode_multiscale_feature.py` で全画像をマルチスケール VAE エンコーディングする必須ステップがあり、自前データセット用の準備コストが高い - **学習データ非公開**: 組織ポリシーで訓練データが配布されず、再現や fine-tuning には自分で同等規模のデータを集める必要があり、学術・商用活用時の採用ハードルが高い - **ハードウェア要件**: V100 GPU での検証で、推論コストや推論時間の詳細が README に記載されていない（実運用での判断情報不足） ■ 結論 高精度な成果は期待できるが、**データセット・前処理・ハードウェアの総コストと推論スケーラビリティの透明性不足** が導入決定を難しくする — オープンソース化のメリットが限定的。