論文の概要: DEVIS-GRPO: Unleashing GRPO on Dynamic Extreme View Synthesis

• arxiv url: http://arxiv.org/abs/2605.16937v1
• Date: Sat, 16 May 2026 11:14:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.305535
• Title: DEVIS-GRPO: Unleashing GRPO on Dynamic Extreme View Synthesis
• Title（参考訳）: DEVIS-GRPO:ダイナミックエクストリームビュー合成におけるGRPOの展開
• Authors: Yi Zuo, Huimin Wu, Lingling Li, Fang Liu, Licheng Jiao, Qing Li,
• Abstract要約: トラジェクティブ制御ビデオ生成は、制御可能なビデオ生成に欠かせないものとなっている。 極端視合成のための既存のソリューションは、通常、専用のビデオペアを必要とし、かなりのアノテーションの努力を必要とする。 我々は、軌跡制御ビデオ生成のためのGRPOベースのフレームワークであるDynamic Extreme VIew Synthesis-GRPOを提案する。
• 参考スコア（独自算出の注目度）: 54.19006030081092
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Trajectory-controlled video generation has become essential for controllable video generation. While current methods perform well under small-view camera motions, they degrade significantly with large-view motions. Existing solutions for extreme-view synthesis typically require dedicated video pairs, demanding substantial annotation effort. To address these limitations, we propose Dynamic Extreme VIew Synthesis-GRPO (DEVIS-GRPO), a GRPO-based framework for trajectory-controlled video generation, the first online policy gradient method for extreme view video generation. Central to our approach is a novel sampling strategy: Accumulative Dynamic Extreme VIew Synthesis (ADEVIS), which achieves large-view camera motions by progressively accumulating small-view increments. This method delivers two key advantages: 1) enhanced training efficiency, as it eliminates the need to warm-start the policy model by collecting expensive paired large-view videos, and 2) increased sampling diversity, achieved by flexibly varying trajectory configurations. Finally, we designed a multi-level consistency-quality reward function to select high-quality samples for model optimization. Experiments on the Kubric-4D, iPhone, and DL3DV datasets demonstrate our method's superiority. On Kubric-4D, we achieve relative improvements of 21.57% in PSNR and 7.31% in SSIM over the second-best method in non-occlusion areas. On iPhone, LPIPS is reduced by 18.56%.
• Abstract（参考訳）: トラジェクティブ制御ビデオ生成は、制御可能なビデオ生成に欠かせないものとなっている。 現在の手法は、小型カメラの動作下では良好に機能するが、大画面の動作では著しく劣化する。 極端視合成のための既存のソリューションは、通常、専用のビデオペアを必要とし、かなりのアノテーションの努力を必要とする。 これらの制約に対処するために, 軌跡制御ビデオ生成のためのGRPOベースのフレームワークであるDynamic Extreme VIew Synthesis-GRPO (DEVIS-GRPO) を提案する。 本手法の中心となるのは, 累積動的極端Vew合成 (ADEVIS) という新しいサンプリング手法である。 この方法は2つの大きな利点をもたらす。 1)高額な大画面ビデオの収集によるポリシーモデルのウォームスタートの必要性を排除し、訓練効率の向上を図る。 2) 弾力的に変化する軌道配置により, サンプリングの多様性が向上した。 最後に、モデル最適化のための高品質なサンプルを選択するために、多レベル一貫性品質報酬関数を設計した。 Kubric-4D, iPhone, DL3DVデータセットを用いた実験により, 提案手法の優位性を示した。 Kubric-4Dでは、非閉塞領域における第2ベット法に比べてPSNRが21.57%、SSIMが7.31%の相対的な改善が達成されている。 iPhoneでは、LPIPSは18.56%削減された。

関連論文リスト

• TAGRPO: Boosting GRPO on Image-to-Video Generation with Direct Trajectory Alignment [28.18756041538092]
  コントラスト学習にインスパイアされたI2Vモデルの堅牢なフレームワークであるTAGRPOを提案する。 我々のアプローチは、同一の初期ノイズから生成されたロールアウトビデオが、最適化のための優れたガイダンスを提供するという観察に基づいている。
  論文  参考訳（メタデータ） (2026-01-09T11:15:27Z)
• Reg-DPO: SFT-Regularized Direct Preference Optimization with GT-Pair for Improving Video Generation [19.119239411510936]
  GT-Pairは、実動画をポジティブとして、モデル生成動画をネガティブとして、高品質な選好ペアを構築する。 また、SFT損失を正規化用語として組み込んだReg-DPOをDPO損失に組み込み、トレーニング安定性と生成精度を高める。
  論文  参考訳（メタデータ） (2025-11-03T11:04:22Z)
• SimpleGVR: A Simple Baseline for Latent-Cascaded Video Super-Resolution [46.311223206965934]
  後続の超解像モデルの設計原理について検討し,その設計原理について検討する。 まず、ベースモデルの出力特性をよりよく模倣し、VSRモデルと上流ジェネレータとの整合性を確保するための2つのトレーニングペアを生成する方法を提案する。 第2に,(1)時間ステップサンプリング戦略,(2)低分解能(LR)入力に対する雑音増強効果の系統的解析を通じて,VSRモデル行動に対する批判的洞察を提供する。
  論文  参考訳（メタデータ） (2025-06-24T17:57:26Z)
• ReAgent-V: A Reward-Driven Multi-Agent Framework for Video Understanding [71.654781631463]
  ReAgent-Vは、新しいエージェントビデオ理解フレームワークである。 推論中に効率の良いフレーム選択とリアルタイムの報酬生成を統合する。 12のデータセットに対する大規模な実験は、一般化と推論において大きな成果を上げている。
  論文  参考訳（メタデータ） (2025-06-02T04:23:21Z)
• HuViDPO:Enhancing Video Generation through Direct Preference Optimization for Human-Centric Alignment [13.320911720001277]
  本稿では,テキスト・ツー・ビデオ(T2V)タスクにDPO(Direct Preference Optimization)の戦略を導入する。 既存のT2V生成手法では、人間の好みで生成されたビデオのアライメントをガイドする、正確な損失関数を備えた十分に整形されたパイプラインが欠如している。
  論文  参考訳（メタデータ） (2025-02-02T16:55:42Z)
• Improving Video Generation with Human Feedback [105.81833319891537]
  我々は,人間のフィードバックを利用して映像生成問題を緩和するシステムパイプラインを開発した。 我々は,多次元ビデオ報酬モデルであるVideoRewardを紹介し,アノテーションと様々なデザイン選択が報奨効果に与える影響について検討する。
  論文  参考訳（メタデータ） (2025-01-23T18:55:41Z)

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。