論文の概要: Preserve, Reveal, Expand: Faithful 4D Video Editing with Region-Aware Conditioning

• arxiv url: http://arxiv.org/abs/2605.20961v1
• Date: Wed, 20 May 2026 09:47:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.607664
• Title: Preserve, Reveal, Expand: Faithful 4D Video Editing with Region-Aware Conditioning
• Title（参考訳）: 地域対応コンディショニングによる忠実な4Dビデオ編集
• Authors: Zhangchi Hu, Wenzhang Sun, Xiangchen Yin, Jiahui Yuan, Chunfeng Wang, Hao Li, Kun Zhan, Xiaoyan Sun,
• Abstract要約: 既存の4D駆動ビデオ拡散モデルは、主に可塑性生成をターゲットとしているが、忠実な4D編集には、ソース保存された領域を保存する必要がある。 我々はEvidence-Role Mismatchを識別する:信頼できる情報源による証拠、信頼できないレンダリングキュー、およびサポート領域は単一の条件信号に絡み合っている。 PreX(Preserve, Reveal, Expand)は,対象の時間的容積を,観察支援とシーン範囲に応じて保存, Reveal, 拡張ロールに分解する,地域対応のフレームワークである。
• 参考スコア（独自算出の注目度）: 19.071200319885982
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing 4D-driven video diffusion models primarily target plausible generation, but faithful 4D editing requires preserving source-observed regions while synthesizing disoccluded or out-of-view content. We identify Evidence-Role Mismatch: reliable source-backed evidence, unreliable rendered cues, and unsupported regions are entangled in a single conditioning signal, causing preservation drift, ghosting, and unstable extrapolation. We propose PREX (Preserve, Reveal, Expand), a region-aware framework that decomposes the target spatiotemporal volume into Preserve, Reveal, and Expand roles according to observation support and scene extent. PREX builds observation-backed appearance cues with calibrated confidence and injects them into a frozen video diffusion backbone through a region-aware adapter, trained with proxy tasks without requiring paired edited videos. We further introduce PREBench, a diagnostic benchmark with curated edits, region-role masks, and human-aligned metrics that complement global video-quality and 4D-control evaluations. Experiments show that PREX reduces region-structured failures while maintaining strong visual quality and 4D edit control capability. Project Page: https://ricepastem.github.io/PREX-Open
• Abstract（参考訳）: 既存の4D駆動ビデオ拡散モデルは、主に可視な生成をターゲットとしているが、忠実な4D編集では、排除されたコンテンツやビュー外のコンテンツを合成しながら、ソース保存された領域を保存する必要がある。 Evidence-Role Mismatchは、信頼できる情報源による証拠、信頼性の低いレンダリングキュー、およびサポート領域が単一の条件信号に絡み合っており、保存ドリフト、ゴースト、不安定な外挿を引き起こす。 PreX(Preserve, Reveal, Expand)は,対象の時空間容積を,観察支援とシーン範囲に応じて保存, Reveal, Expandロールに分解する,地域対応のフレームワークである。 PreXは、信頼性を校正して観察支援された外観のキューを構築し、それを冷凍ビデオ拡散バックボーンに注入し、リージョン対応アダプタを通じて、ペア化されたビデオを必要としないプロキシタスクでトレーニングする。 さらに、グローバルなビデオ品質と4D制御評価を補完する、キュレートされた編集、リージョンロールマスク、ヒューマンアラインメントメトリクスを備えた診断ベンチマークであるPrebenchについても紹介する。 PreXは、視覚的品質と4D編集制御能力を保ちながら、領域構造上の障害を低減する。 Project Page: https://ricepastem.github.io/PREX-Open

関連論文リスト

• Region-Constraint In-Context Generation for Instructional Video Editing [91.27224696009755]
  本稿では,テキスト内生成中の編集領域と非編集領域の制約モデリングに着目する新しい指導ビデオ編集パラダイムReCoを提案する。 本稿では,500Kの命令-ビデオペアからなる大規模かつ高品質なビデオ編集データセットであるReCo-Dataを提案する。
  論文  参考訳（メタデータ） (2025-12-19T14:49:30Z)
• Unified Video Editing with Temporal Reasoner [20.19759768002609]
  本稿では,Chain-of-Framesアプローチとして,Chain-of-Thought推論にヒントを得たVideoCoFを提案する。 VideoCoFは、ビデオ拡散モデルを説得して、最初に推論トークンを予測することによって、シー、シー、シー、エディット"手順を強制する。 我々は,50kビデオペアの最小データコストで,VideoCoF-Benchの最先端性能を実現することを実証した。
  論文  参考訳（メタデータ） (2025-12-08T11:50:18Z)
• BulletTime: Decoupled Control of Time and Camera Pose for Video Generation [48.835425748367875]
  カメラポーズからシーンダイナミクスを明示的に分離する4D制御可能な映像拡散フレームワークを提案する。 本モデルは,多様なタイミングパターンとカメラ軌道をまたいだ実世界の4D制御を実現する。
  論文  参考訳（メタデータ） (2025-12-04T18:40:52Z)
• Causally Steered Diffusion for Automated Video Counterfactual Generation [20.388425452936723]
  本稿では,アウト・オブ・ディストリビューション(OOD)予測問題として定式化された,反ファクトビデオ生成のための因果的忠実なフレームワークを提案する。 我々は、因果グラフに指定された関係をテキストプロンプトにエンコードし、生成プロセスを導くことによって、先行因果知識を組み込む。 この損失は、LDMの潜伏空間において、OODの変動を反ファクトの形で捉え、因果的に有意な代替品に向けて効果的に生成を操る。
  論文  参考訳（メタデータ） (2025-06-17T11:06:22Z)
• VideoGrain: Modulating Space-Time Attention for Multi-grained Video Editing [62.15822650722473]
  VideoGrainは、ビデオコンテンツの細かい制御を実現するために、時空を変調するゼロショット方式である。 我々は、各局所的なプロンプトの注意を対応する空間距離領域に増幅することにより、テキスト・ツー・リージョン制御を強化する。 我々は、地域内意識を高め、自己注意における地域間干渉を減らすことで特徴分離を改善する。
  論文  参考訳（メタデータ） (2025-02-24T15:39:14Z)
• Re-Attentional Controllable Video Diffusion Editing [48.052781838711994]
  本稿では,Re-Attentional Controllable Video Diffusion Editing (ReAtCo)法を提案する。 対象物体の空間配置と編集されたテキストプロンプトを無訓練で整合させるために,再注意拡散(RAD)を提案する。 RADは、編集されたテキストプロンプトとデノナイジング段階のターゲットビデオとの間の相互注意活性化反応を再焦点化し、空間的に位置整列し、意味的に高忠実に操作されたビデオを生成する。
  論文  参考訳（メタデータ） (2024-12-16T12:32:21Z)
• VideoRepair: Improving Text-to-Video Generation via Misalignment Evaluation and Localized Refinement [63.4357918830628]
  VideoRepairは、モデルに依存しない、トレーニングなしのビデオリファインメントフレームワークである。 微粒なテキストビデオの誤りを特定し、明示的な空間的およびテキスト的フィードバックを生成する。 VideoRepairは、テキストとビデオのアライメントの指標で、最近のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2024-11-22T18:31:47Z)
• Region-Aware Diffusion for Zero-shot Text-driven Image Editing [78.58917623854079]
  本稿では,エンティティレベルの画像編集のための領域認識拡散モデル(RDM)を提案する。 画像の忠実度と推論速度のバランスをとるために,集中拡散パイプラインを設計する。 その結果、RDMは、視覚的品質、全体的な調和、非編集領域のコンテンツ保存、テキストイメージのセマンティック一貫性において、従来のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2023-02-23T06:20:29Z)

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。