論文の概要: Stable Remaster: Bridging the Gap Between Old Content and New Displays
- arxiv url: http://arxiv.org/abs/2306.06803v1
- Date: Sun, 11 Jun 2023 23:11:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 16:25:20.583679
- Title: Stable Remaster: Bridging the Gap Between Old Content and New Displays
- Title(参考訳): stable remaster: 古いコンテンツと新しいディスプレイのギャップを埋める
- Authors: Nathan Paull, Shuvam Keshari, Yian Wong
- Abstract要約: CRTや初期のプラズマスクリーンテレビ向けに開発された古いコンテンツは、急速に時代遅れになり、現在のアスペクト比と解像度基準を満たしなくなった。
本稿では,この問題を拡散モデルを用いて,現代的期待に応えるために古いコンテンツに適応できるかどうかを考察する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The invention of modern displays has enhanced the viewer experience for any
kind of content: ranging from sports to movies in 8K high-definition
resolution. However, older content developed for CRT or early Plasma screen TVs
has become outdated quickly and no longer meets current aspect ratio and
resolution standards. In this paper, we explore whether we can solve this
problem with the use of diffusion models to adapt old content to meet
contemporary expectations. We explore the ability to combine multiple
independent computer vision tasks to attempt to solve the problem of expanding
aspect ratios of old animated content such that the new content would be
indistinguishable from the source material to a brand-new viewer. These
existing capabilities include Stable Diffusion, Content-Aware Scene Detection,
Object Detection, and Key Point Matching. We were able to successfully chain
these tasks together in a way that generated reasonable outputs, however,
future work needs to be done to improve and expand the application to
non-animated content as well.
- Abstract(参考訳): 現代ディスプレイの発明により、スポーツから映画まで8Kの高精細解像度のコンテンツに対する視聴者体験が向上した。
しかし、crtや初期のプラズマスクリーンtv向けに開発された古いコンテンツは急速に時代遅れになり、現在のアスペクト比や解像度基準を満たしていない。
本稿では,この問題を拡散モデルを用いて,現代的期待に応えるために古いコンテンツに適応できるかどうかを考察する。
我々は、複数の独立したコンピュータビジョンタスクを組み合わせることで、新しいコンテンツがソースから新しいビューアに区別できないように、古いアニメーションコンテンツのアスペクト比を拡大する問題の解決を試みる。
既存の機能には、安定拡散、コンテンツ認識シーン検出、オブジェクト検出、キーポイントマッチングなどがある。
これらのタスクを合理的なアウトプットを生成する方法でうまく結びつけることができましたが、アプリケーションの改善と非アニメーションコンテンツへの拡張には、今後の作業が必要です。
関連論文リスト
- T-SVG: Text-Driven Stereoscopic Video Generation [87.62286959918566]
本稿では,テキスト駆動ステレオビデオ生成(T-SVG)システムを紹介する。
テキストプロンプトを使用してビデオ生成を合理化し、参照ビデオを作成する。
これらのビデオは、3Dポイントのクラウドシーケンスに変換され、微妙なパララックス差のある2つの視点からレンダリングされる。
論文 参考訳(メタデータ) (2024-12-12T14:48:46Z) - Video Repurposing from User Generated Content: A Large-scale Dataset and Benchmark [5.76230561819199]
1万本以上のビデオと12万本以上の注釈付きクリップからなる広範囲なデータセットであるRepurpose-10Kを提案する。
実世界のユーザ生成コンテンツからアノテーションを得るための2段階のソリューションを提案する。
この課題に対処するためのベースラインモデルとして,音声,視覚,キャプションの各側面を統合する。
論文 参考訳(メタデータ) (2024-12-12T02:27:46Z) - Long Video Diffusion Generation with Segmented Cross-Attention and Content-Rich Video Data Curation [16.80010133425332]
長距離コヒーレンスとリッチコンテンツを備えた15秒ビデオを生成するために設計された,新しいビデオ拡散モデルであるPrestoを紹介する。
PrestoはVBench Semantic Scoreで78.5%、Dynamic Degreeで100%のスプリットを達成した。
論文 参考訳(メタデータ) (2024-12-02T09:32:36Z) - StoryDiffusion: Consistent Self-Attention for Long-Range Image and Video Generation [117.13475564834458]
本稿では,一貫性自己注意という新たな自己注意計算手法を提案する。
提案手法を長距離ビデオ生成に拡張するために,新しい意味空間時間運動予測モジュールを導入する。
これら2つの新しいコンポーネントを統合することで、StoryDiffusionと呼ばれるフレームワークは、一貫した画像やビデオでテキストベースのストーリーを記述することができます。
論文 参考訳(メタデータ) (2024-05-02T16:25:16Z) - Retargeting video with an end-to-end framework [14.270721529264929]
本稿では,動画を任意の比率に再ターゲティングするためのエンドツーエンドのRETVI手法を提案する。
私たちのシステムは、以前よりも品質と実行時間で優れています。
論文 参考訳(メタデータ) (2023-11-08T04:56:41Z) - Video Infringement Detection via Feature Disentanglement and Mutual
Information Maximization [51.206398602941405]
本稿では,元の高次元特徴を複数のサブ機能に分解することを提案する。
歪んだサブ機能の上に,サブ機能を強化する補助的特徴を学習する。
提案手法は,大規模SVDデータセット上で90.1%のTOP-100 mAPを達成し,VCSLベンチマークデータセット上で新たな最先端を設定できる。
論文 参考訳(メタデータ) (2023-09-13T10:53:12Z) - Swap Attention in Spatiotemporal Diffusions for Text-to-Video Generation [55.36617538438858]
本研究では,空間的知覚と時間的知覚の相互作用を強化する新しいアプローチを提案する。
我々はHD-VG-130Mという大規模かつオープンソースのビデオデータセットをキュレートする。
論文 参考訳(メタデータ) (2023-05-18T11:06:15Z) - Breaking the "Object" in Video Object Segmentation [36.20167854011788]
変換(VOST)に基づくビデオオブジェクトのデータセットを提案する。
700以上の高解像度ビデオで構成され、さまざまな環境で撮影され、平均21秒の長さで、マスクのインスタンスで密にラベル付けされている。
これらのビデオは、複雑なオブジェクト変換に焦点を合わせ、その完全な時間的範囲を捉えるために、注意深いマルチステップのアプローチが採用されている。
本研究は,本課題に適用した場合の既存手法の問題点と,その主な限界が,静的な外観上の過度な信頼にあることを示す。
論文 参考訳(メタデータ) (2022-12-12T19:22:17Z) - Latent Video Diffusion Models for High-Fidelity Long Video Generation [58.346702410885236]
低次元ラテント空間を用いた軽量映像拡散モデルを提案する。
また,1000フレーム以上の長編動画を生成できるように,遅延空間における階層的拡散も提案する。
我々のフレームワークは、以前の強力なベースラインよりもリアルで長いビデオを生成する。
論文 参考訳(メタデータ) (2022-11-23T18:58:39Z) - Generating Long Videos of Dynamic Scenes [66.56925105992472]
本稿では、物体の動きを再現する映像生成モデル、カメラ視点の変化、時間とともに現れる新しいコンテンツについて述べる。
よくある障害ケースは、コンテンツが時間的一貫性を提供する誘導バイアスに過度に依存するため、決して変化しないことです。
論文 参考訳(メタデータ) (2022-06-07T16:29:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。