論文の概要: FlowPortal: Residual-Corrected Flow for Training-Free Video Relighting and Background Replacement
- arxiv url: http://arxiv.org/abs/2511.18346v1
- Date: Sun, 23 Nov 2025 08:45:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.791987
- Title: FlowPortal: Residual-Corrected Flow for Training-Free Video Relighting and Background Replacement
- Title（参考訳）: FlowPortal: トレーニング不要のビデオリライトとバックグラウンドリプレースのための残留補正フロー
- Authors: Wenshuo Gao, Junyi Fan, Jiangyue Zeng, Shuai Yang,
- Abstract要約: FlowPortalは、トレーニング不要のフローベースのビデオリライトフレームワークである。
私たちの中心となるイノベーションは、標準フローベースのモデルを編集モデルに変換するResidual-Corrected Flowメカニズムです。
実験により、FlowPortalは時間的コヒーレンス、構造保存、照明リアリズムにおいて優れた性能を発揮することが示された。
- 参考スコア（独自算出の注目度）: 9.038689270820258
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Video relighting with background replacement is a challenging task critical for applications in film production and creative media. Existing methods struggle to balance temporal consistency, spatial fidelity, and illumination naturalness. To address these issues, we introduce FlowPortal, a novel training-free flow-based video relighting framework. Our core innovation is a Residual-Corrected Flow mechanism that transforms a standard flow-based model into an editing model, guaranteeing perfect reconstruction when input conditions are identical and enabling faithful relighting when they differ, resulting in high structural consistency. This is further enhanced by a Decoupled Condition Design for precise lighting control and a High-Frequency Transfer mechanism for detail preservation. Additionally, a masking strategy isolates foreground relighting from background pure generation process. Experiments demonstrate that FlowPortal achieves superior performance in temporal coherence, structural preservation, and lighting realism, while maintaining high efficiency. Project Page: https://gaowenshuo.github.io/FlowPortalProject/.
- Abstract（参考訳）: 背景交換によるビデオのリライティングは、映画制作やクリエイティブメディアにおけるアプリケーションにとって重要な課題である。
既存の方法は、時間的一貫性、空間的忠実さ、照明自然さのバランスをとるのに苦労している。
これらの問題に対処するために,フローベースの新しいトレーニングフリーなビデオリライトフレームワークであるFlowPortalを紹介した。
我々の中核的な革新はResidual-Corrected Flowメカニズムであり、標準的なフローベースモデルを編集モデルに変換し、入力条件が同一であれば完全な再構築を保証し、異なる場合には忠実なリライトを可能にし、構造的な一貫性をもたらす。
これは、正確な照明制御のための分離条件設計と、詳細保存のための高周波転送機構によってさらに強化される。
さらに、マスキング戦略は、背景純生成プロセスから前景照準を分離する。
実験により、FlowPortalは、高効率を維持しながら、時間的コヒーレンス、構造保存、照明リアリズムにおいて優れた性能を発揮することが示された。
Project Page: https://gaowenshuo.github.io/FlowPortalProject/.com
関連論文リスト
- UniLumos: Fast and Unified Image and Video Relighting with Physics-Plausible Feedback [31.03901228901908]
画像とビデオの両方に統一されたリライトフレームワークUniLumosを提案する。
我々は、照明効果をシーン構造と明確に一致させ、物理的妥当性を高める。
実験により、UniLumosは物理的な一貫性を大幅に改善して最先端のリライトを実現している。
論文 参考訳（メタデータ） (2025-11-03T15:41:41Z) - Zero-TIG: Temporal Consistency-Aware Zero-Shot Illumination-Guided Low-light Video Enhancement [2.9695823613761316]
低照度と水中のビデオは視界が悪く、コントラストが低く、ノイズが高い。
既存のアプローチは通常、ペア化された基底真理に依存しており、実際性は制限され、しばしば時間的一貫性の維持に失敗する。
本稿では、Retinex理論と光フロー技術を活用したゼロショット学習手法Zero-TIGを提案する。
論文 参考訳（メタデータ） (2025-03-14T08:22:26Z) - 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) - RelightVid: Temporal-Consistent Diffusion Model for Video Relighting [95.10341081549129]
RelightVidはビデオのリライトのためのフレキシブルなフレームワークだ。
バックグラウンドビデオ、テキストプロンプト、環境マップをリライト条件として受け入れることができる。
内在的な分解を伴わずに、時間的整合性の高い任意のビデオリライティングを実現する。
論文 参考訳（メタデータ） (2025-01-27T18:59:57Z) - Coherent Video Inpainting Using Optical Flow-Guided Efficient Diffusion [15.188335671278024]
高速な映像コヒーレンスを実現するために,光フロー誘導効率拡散(FloED)を用いた新しい映像インペイントフレームワークを提案する。
FloEDはデュアルブランチアーキテクチャを採用しており、時間に依存しないフローブランチが最初に破損したフローを復元し、マルチスケールフローアダプタがメインの塗装ブランチにモーションガイダンスを提供する。
背景復元およびオブジェクト除去タスクの実験では、FloEDは最先端の拡散法よりも品質と効率の両方で優れていた。
論文 参考訳（メタデータ） (2024-12-01T15:45:26Z) - UniVST: A Unified Framework for Training-free Localized Video Style Transfer [102.52552893495475]
本稿では拡散モデルに基づく局所化ビデオスタイル転送のための統一フレームワークUniVSTを提案する。
トレーニングを必要とせずに動作し、ビデオ全体にわたってスタイルを転送する既存の拡散方法に対して、明確なアドバンテージを提供する。
論文 参考訳（メタデータ） (2024-10-26T05:28:02Z) - Unrolled Decomposed Unpaired Learning for Controllable Low-Light Video Enhancement [48.76608212565327]
本稿では,2対の地上真実を使わずに,低照度映像のエンハンスメントを学習する上での取り組みについて述べる。
低照度画像の強調に比べて、空間領域におけるノイズ、露出、コントラストの相互干渉効果により、時間的コヒーレンスの必要性が伴うため、低照度映像の強調は困難である。
本稿では,信号の空間的・時間的関連要因に分解するために,最適化関数を深層ネットワークにアンロールすることで低照度映像の高精細化を実現するUnrolled Decompposed Unpaired Network (UDU-Net)を提案する。
論文 参考訳（メタデータ） (2024-08-22T11:45:11Z) - Low-Light Video Enhancement via Spatial-Temporal Consistent Decomposition [52.89441679581216]
低照度ビデオエンハンスメント(LLVE)は、激しい視認性とノイズに悩まされる動的または静的なシーンの復元を目指している。
本稿では、ビューに依存しない、ビューに依存しないコンポーネントを組み込んだ革新的なビデオ分解戦略を提案する。
我々のフレームワークは、既存のメソッドを一貫して上回り、新しいSOTAパフォーマンスを確立します。
論文 参考訳（メタデータ） (2024-05-24T15:56:40Z) - Neural Video Portrait Relighting in Real-time via Consistency Modeling [41.04622998356025]
本稿では,リアルタイム,高品質,コヒーレントな映像ポートレートリライティングのためのニューラルアプローチを提案する。
エンコーダデコーダアーキテクチャにおけるハイブリッド構造と照明非絡み合いを提案する。
また,実世界における自然ポートレート光操作の照明一貫性と突然変異をモデル化する照明サンプリング戦略を提案する。
論文 参考訳（メタデータ） (2021-04-01T14:13:28Z)
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。