論文の概要: HL-OutPaint: Coarse-to-Fine Video Outpainting for High-Resolution Long-Range Videos

• arxiv url: http://arxiv.org/abs/2605.17543v3
• Date: Sat, 23 May 2026 05:05:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 16:32:37.644074
• Title: HL-OutPaint: Coarse-to-Fine Video Outpainting for High-Resolution Long-Range Videos
• Title（参考訳）: HL-OutPaint:高解像度ロングランジビデオの粗大な露光
• Authors: Jeongeun Park, Janghyeok Han, Geonung Kim, Hyun-Seung Lee, Kyuha Choi, Youngseok Han, Sunghyun Cho,
• Abstract要約: 映像の露光は、ビデオシーケンスの元々の空間範囲を超えて、可視な視覚コンテンツを生成する。 HL-OutPaintは長周期の高精細映像出力フレームワークである。 我々のフレームワークは、空間展開と長いビデオシーケンスのための安定したコヒーレントな生成を実現する。
• 参考スコア（独自算出の注目度）: 14.04822758023478
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video outpainting generates plausible visual content beyond the original spatial extent of a video, playing a key role in adapting videos to diverse display formats. To support such use cases, it must enable large spatial extrapolation over long sequences. However, most existing methods address only one of these challenges or lack explicit mechanisms for ensuring global spatio-temporal consistency, leading to notable limitations. In this paper, we propose HL-OutPaint, a high-resolution video outpainting framework for long sequences. Our approach follows a coarse-to-fine strategy with a two-stage pipeline. We first construct Global Coarse Guidance (GCG), a low-resolution representation that captures global structure and dominant motion across the video. Unlike naive downsampling, GCG is built via a novel global-local frame swapping mechanism that couples sparse global keyframes with local temporal windows and exchanges information during sampling. This enables GCG to encode both long-term structural consistency and short-term temporal dynamics in a unified representation. Guided by this representation, HL-OutPaint then performs high-resolution outpainting to generate spatially detailed and temporally consistent content. By separating global structure modeling from fine-grained synthesis, our framework achieves stable, coherent generation for large spatial expansion and long video sequences. Extensive experiments show that HL-OutPaint outperforms existing methods in challenging scenarios involving wide spatial extrapolation and long video sequences.
• Abstract（参考訳）: ビデオのアウトパインティングは、ビデオの本来の空間範囲を超えて、可視的な視覚コンテンツを生成し、様々な表示形式にビデオを適用する上で重要な役割を果たす。 このようなユースケースをサポートするためには、長いシーケンスで大きな空間外挿を可能にする必要がある。 しかしながら、既存のほとんどの手法はこれらの課題の1つにのみ対処し、グローバルな時空間一貫性を確保するための明確なメカニズムを欠いているため、顕著な制限が生じる。 本稿では,長周期の高精細映像出力フレームワークHL-OutPaintを提案する。 当社のアプローチは,2段階のパイプラインによる粗大な戦略に従っています。 我々はまず,グローバルな構造と支配的な動きを捉えた低解像度な表現であるGCGを構築した。 ナイーブなダウンサンプリングとは異なり、GCGは、疎グローバルなキーフレームをローカルの時間ウィンドウに結合し、サンプリング中に情報を交換する、新しいグローバルローカルフレームスワップ機構によって構築されている。 これによりGCGは、長期的構造的一貫性と短期的時間的ダイナミクスの両方を統一表現でエンコードすることができる。 この表現で導かれたHL-OutPaintは、空間的に詳細で時間的に一貫したコンテンツを生成するために高解像度のアウトペイントを行う。 グローバルな構造モデリングを微細な合成から切り離すことにより,大規模な空間展開と長いビデオシーケンスのための安定なコヒーレントな生成を実現する。 HL-OutPaintは、広い空間外挿と長いビデオシーケンスを含む挑戦的なシナリオにおいて、既存の手法よりも優れていることを示す。

関連論文リスト

• GlobalPaint: Spatiotemporal Coherent Video Outpainting with Global Feature Guidance [65.1747900492124]
  ビデオの露光はフレームごとの可視性だけでなく、長距離の時間的コヒーレンスも必要である。 本稿では,コヒーレントなビデオ・アウトペイントのためのコヒーレントなビデオ・アウトペイント・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-10T03:20:26Z)
• VideoCanvas: Unified Video Completion from Arbitrary Spatiotemporal Patches via In-Context Conditioning [38.89828994130979]
  任意の場所に配置された任意のユーザ指定のパッチからビデオが生成され、ビデオキャンバスに描画されるような、任意の時間的ビデオ補完のタスクを紹介する。 この柔軟性は、単一のパラダイムの下で、ファーストフレームのイメージ・トゥ・ビデオ、塗り絵、拡張、結束など、既存のコントロール可能なビデオ生成タスクを統一する。 In-Context Conditioning(ICC)パラダイムを、新しいパラメータをゼロとしたこのきめ細かい制御タスクに適応する、新しいフレームワークであるVideoCanvasを開発した。
  論文  参考訳（メタデータ） (2025-10-09T17:58:59Z)
• Towards Robust and Generalizable Continuous Space-Time Video Super-Resolution with Events [71.2439653098351]
  連続時空ビデオスーパーSTVSRは、高解像度で高フレームのビデオを任意の時間スケールで再構成する能力への関心が高まっている。 EvEnhancerは、イベントストリームにカプセル化された高時間および高ダイナミックレンジのユニークな特性を結合する新しいアプローチである。 提案手法は,OODスケールでの一般化性を維持しつつ,合成および実世界の両方のデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-10-04T15:23:07Z)
• InfLVG: Reinforce Inference-Time Consistent Long Video Generation with GRPO [73.33751812982342]
  InfLVGは、追加のロングフォームビデオデータを必要としないコヒーレントなロングビデオ生成を可能にする推論時フレームワークである。 InfLVGはビデオ長を最大9$times$まで拡張でき、シーン間の一貫性とセマンティック忠実性を実現することができる。
  論文  参考訳（メタデータ） (2025-05-23T07:33:25Z)
• Lumiere: A Space-Time Diffusion Model for Video Generation [75.54967294846686]
  本研究では,一度にビデオ全体の時間的持続時間を生成する空間時間U-Netアーキテクチャを提案する。 これは、遠方から後続の時間超解像を合成する既存のビデオモデルとは対照的である。 空間的および(重要な)時間的ダウンサンプリングとアップサンプリングの両方をデプロイすることで、我々のモデルは、フルフレームレートで低解像度のビデオを直接生成することを学ぶ。
  論文  参考訳（メタデータ） (2024-01-23T18:05:25Z)
• Short-Term and Long-Term Context Aggregation Network for Video Inpainting [126.06302824297948]
  Video Inpaintingは、ビデオの欠落した領域を復元することを目的としており、ビデオ編集やオブジェクト削除など多くのアプリケーションがある。 本稿では,映像インパインティングにおいて,短期・長期のフレーム情報を効果的に活用する新しいコンテキスト集約ネットワークを提案する。 実験により,最先端の手法よりも優れた塗布結果と高速塗布速度が得られた。
  論文  参考訳（メタデータ） (2020-09-12T03:50:56Z)

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。