論文の概要: TC-Light: Temporally Consistent Relighting for Dynamic Long Videos

• arxiv url: http://arxiv.org/abs/2506.18904v1
• Date: Mon, 23 Jun 2025 17:59:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:37.126602
• Title: TC-Light: Temporally Consistent Relighting for Dynamic Long Videos
• Title（参考訳）: TC-Light: ダイナミックなロングビデオのための一時的に一貫性のあるリライティング
• Authors: Yang Liu, Chuanchen Luo, Zimo Tang, Yingyan Li, Yuran Yang, Yuanyong Ning, Lue Fan, Junran Peng, Zhaoxiang Zhang,
• Abstract要約: TC-Lightは、2段階のポスト最適化機構を特徴とする新しいパラダイムである。 提案手法は,時間的コヒーレンスに優れ,低コストで物理的に妥当なリライト結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 47.22201704648344
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Editing illumination in long videos with complex dynamics has significant value in various downstream tasks, including visual content creation and manipulation, as well as data scaling up for embodied AI through sim2real and real2real transfer. Nevertheless, existing video relighting techniques are predominantly limited to portrait videos or fall into the bottleneck of temporal consistency and computation efficiency. In this paper, we propose TC-Light, a novel paradigm characterized by the proposed two-stage post optimization mechanism. Starting from the video preliminarily relighted by an inflated video relighting model, it optimizes appearance embedding in the first stage to align global illumination. Then it optimizes the proposed canonical video representation, i.e., Unique Video Tensor (UVT), to align fine-grained texture and lighting in the second stage. To comprehensively evaluate performance, we also establish a long and highly dynamic video benchmark. Extensive experiments show that our method enables physically plausible relighting results with superior temporal coherence and low computation cost. The code and video demos are available at https://dekuliutesla.github.io/tclight/.
• Abstract（参考訳）: 複雑なダイナミックスによる長いビデオの照明の編集は、ビジュアルコンテンツの生成や操作、sim2realおよびreal2real転送による組み込みAIのデータスケーリングなど、さまざまなダウンストリームタスクにおいて重要な意味を持つ。 それでも、既存のビデオリライト技術は、主にポートレートビデオに限られるか、時間的一貫性と計算効率のボトルネックに陥る。 本稿では,2段階のポスト最適化機構を特徴とする新しいパラダイムであるTC-Lightを提案する。 インフレーションされたビデオリライトモデルで事前にリライトされたビデオから始めて、第1段階での外観埋め込みを最適化し、グローバルな照明を調整します。 次に、提案した標準ビデオ表現、すなわちUnique Video Tensor(UVT)を最適化し、第2段階できめ細かいテクスチャと照明を調整する。 また,パフォーマンスを総合的に評価するために,長大かつ高ダイナミックなビデオベンチマークを構築した。 本手法は,時間的コヒーレンスと計算コストの低減を図り,物理的に妥当な照準が可能であることを示す。 コードとビデオのデモはhttps://dekuliutesla.github.io/tclight/で公開されている。

関連論文リスト

• Light-A-Video: Training-free Video Relighting via Progressive Light Fusion [52.420894727186216]
  Light-A-Videoは、時間的にスムーズなビデオリライティングを実現するためのトレーニング不要のアプローチである。 Light-A-Videoは、画像のリライティングモデルに適応して、照明の一貫性を高める2つの重要な技術を導入している。
  論文  参考訳（メタデータ） (2025-02-12T17:24:19Z)
• Lumina-Video: Efficient and Flexible Video Generation with Multi-scale Next-DiT [98.56372305225271]
  Lumina-Nextは、Next-DiTによる画像生成において、例外的なパフォーマンスを実現している。 Lumina-VideoにはマルチスケールのNext-DiTアーキテクチャが組み込まれており、複数のパッチを共同で学習している。 本稿では,Next-DiTに基づく音声合成モデルであるLumina-V2Aを提案する。
  論文  参考訳（メタデータ） (2025-02-10T18:58:11Z)
• BVI-RLV: A Fully Registered Dataset and Benchmarks for Low-Light Video Enhancement [56.97766265018334]
  本稿では,2つの異なる低照度条件下での様々な動きシナリオを持つ40のシーンからなる低照度映像データセットを提案する。 我々は、プログラム可能なモータードリーを用いて、通常の光で捉えた完全に登録された地上真実データを提供し、異なる光レベルにわたるピクセルワイドフレームアライメントのための画像ベースアプローチによりそれを洗練する。 実験の結果,Low-light Video enhancement (LLVE) における完全登録ビデオペアの重要性が示された。
  論文  参考訳（メタデータ） (2024-07-03T22:41:49Z)
• Personalized Video Relighting With an At-Home Light Stage [0.0]
  我々は,高品質で時間的に一貫した映像をリアルタイムに生成するパーソナライズされたビデオリライティングアルゴリズムを開発した。 モニタでYouTubeビデオを見ているユーザの録画をキャプチャすることで、任意の条件下で高品質なリライティングを行うことのできるパーソナライズされたアルゴリズムをトレーニングできることを示す。
  論文  参考訳（メタデータ） (2023-11-15T10:33:20Z)

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。