論文の概要: TrajectoryMover: Generative Movement of Object Trajectories in Videos

• arxiv url: http://arxiv.org/abs/2603.29092v1
• Date: Tue, 31 Mar 2026 00:15:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.958404
• Title: TrajectoryMover: Generative Movement of Object Trajectories in Videos
• Title（参考訳）: TrajectoryMover:ビデオにおける物体軌道の生成運動
• Authors: Kiran Chhatre, Hyeonho Jeong, Yulia Gryaditskaya, Christopher E. Peters, Chun-Hao Paul Huang, Paul Guerrero,
• Abstract要約: 本稿では,大規模合成ビデオデータのための新しいデータ生成パイプラインであるTrjectoryAtlasを紹介する。 その結果,物体軌跡の生成運動を効果的に実現できることが示唆された。
• 参考スコア（独自算出の注目度）: 19.198988409083537
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative video editing has enabled several intuitive editing operations for short video clips that would previously have been difficult to achieve, especially for non-expert editors. Existing methods focus on prescribing an object's 3D or 2D motion trajectory in a video, or on altering the appearance of an object or a scene, while preserving both the video's plausibility and identity. Yet a method to move an object's 3D motion trajectory in a video, i.e., moving an object while preserving its relative 3D motion, is currently still missing. The main challenge lies in obtaining paired video data for this scenario. Previous methods typically rely on clever data generation approaches to construct plausible paired data from unpaired videos, but this approach fails if one of the videos in a pair can not easily be constructed from the other. Instead, we introduce TrajectoryAtlas, a new data generation pipeline for large-scale synthetic paired video data and a video generator TrajectoryMover fine-tuned with this data. We show that this successfully enables generative movement of object trajectories. Project page: https://chhatrekiran.github.io/trajectorymover
• Abstract（参考訳）: 生成ビデオ編集は、以前は達成が困難だったショートビデオクリップの直感的な編集操作を、特に非専門家の編集者に対して可能にしている。 既存の方法は、ビデオ内の物体の3次元または2次元の運動軌跡を規定することや、ビデオの妥当性とアイデンティティの両方を保ちながら、物体やシーンの外観を変更することに焦点を当てている。 しかし、映像中の物体の3次元運動軌跡を移動させる方法、すなわち、相対的な3次元運動を保ちながら物体を移動させる方法が、現在、欠落している。 主な課題は、このシナリオでペア化されたビデオデータを取得することだ。 従来の方法は、通常、未ペアのビデオから可視なペアデータを構築するための巧妙なデータ生成アプローチに依存していたが、この手法は、ペア内のビデオの一方が他方から簡単に構築できない場合に失敗する。 代わりに、大規模な合成ペアビデオデータのための新しいデータ生成パイプラインであるTrjectoryAtlasと、このデータを微調整したビデオジェネレータであるTrjectoryMoverを紹介する。 その結果,物体軌跡の生成運動を効果的に実現できることが示唆された。 プロジェクトページ: https://chhatrekiran.github.io/trajectorymover

関連論文リスト

• Generative Video Motion Editing with 3D Point Tracks [66.55707897151909]
  本稿では,カメラと物体の動きを共同編集できるトラックコンディショニングV2Vフレームワークを提案する。 我々は、ソースビデオと、ソースとターゲットの動きを表す3Dポイントトラックのペアにモデルを条件付けすることで、これを実現する。 我々のモデルは、関節カメラ/オブジェクト操作、モーション転送、非剛性変形を含む多様なモーション編集をサポートしている。
  論文  参考訳（メタデータ） (2025-12-01T18:59:55Z)
• MotionV2V: Editing Motion in a Video [53.791975554391534]
  入力から抽出したスパーストラジェクトリを編集し,映像の動きを変化させることを提案する。 入力と出力の軌跡のずれを「運動編集」と呼ぶ。 私たちのアプローチでは、任意のタイムスタンプから始まり、自然に伝播する編集が可能になります。
  論文  参考訳（メタデータ） (2025-11-25T18:57:25Z)
• Eye2Eye: A Simple Approach for Monocular-to-Stereo Video Synthesis [45.64047250474718]
  ビデオ合成の進歩にもかかわらず、3Dビデオデータが比較的少ないため、3Dビデオを作成することは難しい。 本稿では,テキスト・ビデオ・ジェネレータをビデオ・ビデオ・ステレオ・ジェネレータに変換するための簡単な手法を提案する。 われわれのフレームワークは、動画フレームをシフトした視点から自動生成し、説得力のある3D効果を実現する。
  論文  参考訳（メタデータ） (2025-04-30T19:06:09Z)
• Articulate That Object Part (ATOP): 3D Part Articulation via Text and Motion Personalization [12.944411575346528]
  ATOP(Articulate That Object Part)は、テキストプロンプトに規定された部分とその動きについて静的な3Dオブジェクトを記述するための、モーションパーソナライゼーションに基づく新規な数ショット方式である。 提案手法は,より高精度なリアルな動作サンプルを生成でき,より一般化可能な3次元動作予測を実現する。
  論文  参考訳（メタデータ） (2025-02-11T05:47:16Z)
• LeviTor: 3D Trajectory Oriented Image-to-Video Synthesis [80.2461057573121]
  本研究では,新しい次元,すなわち深度次元との相互作用を増大させ,ユーザが軌道上の各点に対して相対的な深度を割り当てることを許す。 本稿では,オブジェクトマスクを数個のクラスタポイントに抽象化することで,画像から映像への3次元トラジェクトリ制御の先駆的手法を提案する。 静的画像から実写映像を生成する際の物体の動きを正確に操作する手法であるLeviTorの有効性を検証する実験を行った。
  論文  参考訳（メタデータ） (2024-12-19T18:59:56Z)
• DreamScene4D: Dynamic Multi-Object Scene Generation from Monocular Videos [21.93514516437402]
  本稿では,新しいビュー合成によるモノクロ映像から複数の物体の3次元動的シーンを生成するための最初のアプローチであるDreamScene4Dを紹介する。 私たちの重要な洞察は、ビデオシーンを背景とオブジェクトトラックに分解する"分解分解"アプローチです。 DAVIS, Kubric, 自撮りビデオについて, 定量的比較とユーザ嗜好調査を行った。
  論文  参考訳（メタデータ） (2024-05-03T17:55:34Z)
• NeuralDiff: Segmenting 3D objects that move in egocentric videos [92.95176458079047]
  観測された3次元シーンを静的な背景と動的前景に分解する問題について検討する。 このタスクは、古典的な背景の減算問題を連想させるが、静的でダイナミックなシーンの全ての部分が大きな動きを生じさせるため、非常に難しい。 特に、自我中心のビデオについて検討し、動的コンポーネントを観察・移動するオブジェクトとアクターにさらに分離する。
  論文  参考訳（メタデータ） (2021-10-19T12:51:35Z)
• TransMoMo: Invariance-Driven Unsupervised Video Motion Retargeting [107.39743751292028]
  TransMoMoは、ソースビデオ中の人の動きを、ターゲットの別のビデオに現実的に転送することができる。 動き, 構造, ビューアングルを含む3つの要因の不変性を利用する。 本研究では,最先端手法に対する提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2020-03-31T17:49:53Z)

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。