論文の概要: PanoWorld: Geometry-Consistent Panoramic Video World Modeling

• arxiv url: http://arxiv.org/abs/2605.15391v1
• Date: Thu, 14 May 2026 20:24:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.090348
• Title: PanoWorld: Geometry-Consistent Panoramic Video World Modeling
• Title（参考訳）: PanoWorld: ジオメトリに一貫性のあるパノラマビデオワールドモデリング
• Authors: Le Jiang, Xiangyu Bai, Bishoy Galoaa, Shayda Moezzi, Caleb James Lee, Tooba Imtiaz, Edmund Yeh, Jennifer Dy, Yanzhi Wang, Sarah Ostadabbas,
• Abstract要約: パノラマビデオワールドモデル(パノラマビデオワールドモデル、パノラマビデオワールドモデル)を提示する。 パノワールドは、競争力のある視覚リアリズムを維持しながら、以前のパノラマ生成法よりも幾何的整合性を向上させる。
• 参考スコア（独自算出の注目度）: 31.274777055274345
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present PanoWorld, a panoramic video world model that generates geometry-consistent 360$\degree$ video from a single image and a caption. Existing panoramic video methods optimize primarily for visual realism and do not explicitly constrain the underlying 3D scene state, producing outputs that appear plausible yet exhibit inconsistent depth, broken correspondences, and implausible motion across the spherical surface. We address this gap by framing panoramic video generation as a geometry- and dynamics-consistent latent state modeling problem rather than pure visual synthesis. Building on a pre-trained perspective video world model, we introduce two lightweight regularizers: a depth consistency loss against pseudo ground-truth panoramic depth, and a trajectory consistency loss that supervises the 3D world-frame positions of tracked points across time. We further apply spherical-geometry-aware adaptation to the conditioning and positional encoding. We additionally introduce PanoGeo, a unified geometry-aware panoramic video dataset with consistent depth, trajectory, and prompt annotations across diverse real and synthetic sources, used for both training and stratified evaluation. Experiments show that PanoWorld improves geometric consistency over prior panoramic generation methods while maintaining competitive visual realism, establishing that panoramic video generation must be treated as a geometric modeling problem to support the holistic spatial understanding requirements of embodied AI applications. Code is available at https://github.com/ostadabbas/PanoWorld.
• Abstract（参考訳）: パノラマビデオワールドモデルで、1枚の画像とキャプションから360$\degree$のビデオを生成する。 既存のパノラマビデオ法は、主に視覚的リアリズムに最適化されており、基礎となる3Dシーン状態を明示的に制約しない。 本研究では, パノラマビデオ生成を, 純粋視覚合成ではなく, 幾何学的かつ動的に一貫性のある潜在状態モデリング問題としてフレーミングすることで, このギャップに対処する。 事前学習された視点ビデオワールドモデルに基づいて、擬似地底パノラマ深度に対する深度整合性損失と、トラックされた点の3次元世界フレーム位置を監督する軌道整合性損失の2つの軽量正規化器を導入する。 さらに、条件付けと位置符号化に球面幾何学的適応を適用した。 パノジオ(PanoGeo)は、一貫した深度、軌跡、および様々なリアルおよび合成ソースにまたがるアノテーションを付与し、トレーニングと成層化評価の両方に使用する、一貫した幾何学的パノラマビデオデータセットである。 実験により、パノラマ画像生成は、競合する視覚リアリズムを維持しつつ、従来のパノラマ画像生成手法よりも幾何的整合性を向上させることが示され、パノラマ映像生成は、具体化されたAIアプリケーションの全体的空間理解要件をサポートするための幾何学的モデリング問題として扱う必要があることが確認された。 コードはhttps://github.com/ostadabbas/PanoWorldで入手できる。

関連論文リスト

• Rein3D: Reinforced 3D Indoor Scene Generation with Panoramic Video Diffusion Models [38.45163624089566]
  Rein3Dは、完全な360度屋内環境を再構築するフレームワークである。 我々は不完全なパノラマ動画のレンダリングに放射状探査戦略を採用している。 これらの配列はパノラマビデオ・ビデオ拡散モデルにより復元され、高忠実度幾何やテクスチャを合成するためにビデオ超解像によりさらに拡張される。
  論文  参考訳（メタデータ） (2026-04-12T10:55:14Z)
• GeoWorld: Unlocking the Potential of Geometry Models to Facilitate High-Fidelity 3D Scene Generation [68.02988074681427]
  画像から3Dのシーン生成にビデオモデルを利用する以前の研究は、幾何学的歪みやぼやけた内容に悩まされる傾向にある。 本稿では,幾何学モデルの可能性を解き放つことにより,画像から3次元のシーン生成のパイプラインを再構築する。 我々のGeoWorldは、1つの画像と所定のカメラ軌道から高忠実度3Dシーンを生成することができ、定性的かつ定量的に先行手法より優れている。
  論文  参考訳（メタデータ） (2025-11-28T13:55:45Z)
• PanoWorld-X: Generating Explorable Panoramic Worlds via Sphere-Aware Video Diffusion [87.13016347332943]
  PanoWorld-Xは、多彩なカメラ軌道を持つ高忠実で制御可能なパノラマビデオ生成のための新しいフレームワークである。 動作範囲,制御精度,視覚的品質など,様々な面で優れた性能を示す実験を行った。
  論文  参考訳（メタデータ） (2025-09-29T16:22:00Z)
• FantasyWorld: Geometry-Consistent World Modeling via Unified Video and 3D Prediction [13.098585993121722]
  本稿では,FantasyWorldについて紹介する。FantasyWorldは,凍結動画基盤モデルをトレーニング可能な幾何学的ブランチで拡張する幾何学的拡張フレームワークである。 提案手法は,3次元予測を正規化するためのガイド映像生成とビデオ優先の手法であるクロスブランチ・インフォメーションを導入する。 実験により、FantasyWorldは映像の想像力と3D知覚を効果的に橋渡しし、近年の多視点コヒーレンスとスタイル整合性において、幾何学的に一貫性のあるベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2025-09-25T22:24:23Z)
• TiP4GEN: Text to Immersive Panorama 4D Scene Generation [82.8444414014506]
  TiP4GENはテキストから動的パノラマシーン生成フレームワークである。 微粒なコンテンツ制御を可能にし、動きに富んだ幾何学的なパノラマ4Dシーンを合成する。 TiP4GENはパノラマビデオ生成と動的シーン再構成を統合し、360度没入型仮想環境を作成する。
  論文  参考訳（メタデータ） (2025-08-17T16:02:24Z)
• Matrix-3D: Omnidirectional Explorable 3D World Generation [20.568791715708134]
  広視野全方位3次元世界生成のためのパノラマ表現を利用するフレームワークMatrix-3Dを提案する。 まず,シーンメッシュレンダリングを条件として,軌跡誘導パノラマ動画拡散モデルを訓練する。 本研究では, パノラマシーン映像を3次元世界へ持ち上げるために, (1) 高速3次元シーン再構成のためのフィードフォワード大パノラマ再構成モデル, (2) 正確かつ詳細な3次元シーン再構成のための最適化ベースパイプラインの2つの方法を提案する。
  論文  参考訳（メタデータ） (2025-08-11T15:29:57Z)
• DreamScene360: Unconstrained Text-to-3D Scene Generation with Panoramic Gaussian Splatting [56.101576795566324]
  テキストから3D 360$circ$のシーン生成パイプラインを提示する。 提案手法は, 2次元拡散モデルの生成力を利用して, 自己複製を促進する。 当社の手法は,360ドル(約3万2000円)の視野内で,グローバルに一貫した3Dシーンを提供する。
  論文  参考訳（メタデータ） (2024-04-10T10:46:59Z)

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。