論文の概要: DeltaCam: Differential Intrinsic Camera Modeling for Video Generation

• arxiv url: http://arxiv.org/abs/2605.25266v1
• Date: Sun, 24 May 2026 21:39:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:19.052525
• Title: DeltaCam: Differential Intrinsic Camera Modeling for Video Generation
• Title（参考訳）: DeltaCam:ビデオ生成のための微分固有カメラモデリング
• Authors: Debabrata Mandal, Zhihan Peng, Yujie Wang, Praneeth Chakravarthula,
• Abstract要約: ビデオ拡散フレームワークであるDeltaCamを導入し、絶対状態ではなく、カメラの動きと内在性の変化を相対的に変化させることにより、カメラの挙動をモデル化する。 我々は,この枠組みを実世界の映像に拡張する2つのメカニズムとして,実際の画像・メタデータペアの制御を精密な撮影マッチングのために微調整し,暗黙的なビデオ・ビデオ間通信のための非絡み合った埋め込みを抽出する。
• 参考スコア（独自算出の注目度）: 8.590252585822439
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Incorporating camera intrinsics into video generation models offers a principled way to control not only scene dynamics but also the imaging process that governs visual appearance. Prior work has primarily focused on extrinsic control, such as camera pose and motion, while treating intrinsic camera parameters as implicit or fixed. A key bottleneck is the lack of large-scale video datasets with accurate and diverse temporally varying camera metadata, which makes learning absolute camera parameterizations difficult. As a result, current models struggle to incorporate photographic camera behavior, including depth-of-field transitions, exposure variations, lens distortions, and color processing, in a controllable and temporally consistent manner. We introduce DeltaCam, a video diffusion framework that models camera behavior through $Δ$-parameterized neural camera adaptors, operating on relative changes in camera motion and intrinsics instead of absolute states. By learning this differential formulation from synthetic video data, we mitigate reliance on precise real-world camera labels and enable smooth, consistent control over imaging factors such as focal length, aperture, ISO, color temperature, and lens distortion. We extend this framework to real-world footage through two mechanisms: finetuning the controls on real image-metadata pairs for precise shot matching, and extracting disentangled embeddings for implicit video-to-video style transfer without requiring explicit camera parameters. By effectively separating scene content from intrinsic imaging behavior, DeltaCam enables camera-consistent video generation and editing operations that are difficult to achieve with existing models. Ultimately, our results establish a practical and scalable approach for bridging synthetic control and real-world photographic emulation.
• Abstract（参考訳）: カメラの内在を映像生成モデルに組み込むことは、シーンのダイナミックスだけでなく、視覚的な外観を規定する撮像プロセスを制御するための原則的な方法を提供する。 これまでの研究は主に、カメラのポーズや動きなどの外在的制御に重点を置いてきたが、一方で内在的カメラパラメータを暗黙的または固定的なものとして扱っていた。 重要なボトルネックは、正確で多様な時間変化のカメラメタデータを持つ大規模なビデオデータセットが欠如していることで、絶対的なカメラパラメータ化の学習が困難になる。 その結果、現在のモデルは、被写界深度遷移、露出変動、レンズ歪み、色処理などの写真カメラの振る舞いを、制御可能で時間的に一貫した方法で組み込むのに苦労している。 DeltaCamは、$$$パラメータ化されたニューラルカメラアダプタを通じてカメラの振る舞いをモデル化し、絶対状態ではなく、カメラの動きと内在性の変化を相対的に制御するビデオ拡散フレームワークである。 この差分定式化を合成ビデオデータから学習することにより、正確な実世界のカメララベルへの依存を緩和し、焦点長、開口、ISO、色温度、レンズ歪みなどの画像要素を円滑に一貫した制御を可能にする。 この枠組みは、2つのメカニズムにより現実世界の映像に拡張される: 正確な撮影マッチングのために、実際の画像とメタデータのペアの制御を微調整し、明示的なカメラパラメータを必要とせずに、暗黙的なビデオとビデオのスタイルの転送のために、非絡み合った埋め込みを抽出する。 DeltaCamは、シーン内容と固有の撮影動作を効果的に分離することにより、既存のモデルでは達成が難しいカメラ一貫性のビデオ生成と編集操作を可能にする。 最終的に,本研究は,合成制御と実世界の写真エミュレーションを橋渡しするための実用的でスケーラブルなアプローチを確立した。

関連論文リスト

• Probing into Camera Control of Video Models [42.06310116603546]
  カメラ制御は暗黙のマッピング問題としてモデル化する必要はないが、幾何学的ガイダンスの一形態として扱うことができる。 我々は、カメラ制御を一連の変位場に再構成し、デノナイジング時に潜伏特徴の識別可能な再サンプリングにより適用する。 我々の単純なアプローチは、微調整されたベースラインに比べて、様々な品質指標の劣化を最小限に抑え、効果的なカメラ制御を実現する。
  論文  参考訳（メタデータ） (2026-05-14T13:27:33Z)
• Infinite-Homography as Robust Conditioning for Camera-Controlled Video Generation [49.12018869332346]
  InfCamは、高ポーズ忠実度でカメラ制御されたビデオ・ビデオ生成フレームワークである。 1)ビデオ拡散モデルの2次元潜在空間内で直接3次元カメラ回転を符号化する。
  論文  参考訳（メタデータ） (2025-12-18T20:03:05Z)
• Generative Photographic Control for Scene-Consistent Video Cinematic Editing [75.45726688666083]
  CineCtrlはプロのカメラパラメータを細かく制御する最初の映像編集フレームワークである。 本稿では、カメラの動きを写真入力から切り離すための分離されたクロスアテンション機構を提案する。 本モデルでは,ユーザの指定した写真カメラ効果を正確に制御した高忠実度ビデオを生成する。
  論文  参考訳（メタデータ） (2025-11-17T03:17:23Z)
• AC3D: Analyzing and Improving 3D Camera Control in Video Diffusion Transformers [66.29824750770389]
  カメラの動きを第一原理の観点から分析し、正確な3Dカメラ操作を可能にする洞察を明らかにする。 これらの知見を合成して、高度な3Dカメラ制御(AC3D)アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2024-11-27T18:49:13Z)
• CamI2V: Camera-Controlled Image-to-Video Diffusion Model [11.762824216082508]
  統合カメラポーズは、ビデオ拡散モデルにおけるユーザフレンドリーで物理インフォームド条件であり、正確なカメラ制御を可能にする。 重要な課題の1つは、幾何学的整合性とカメラ制御性を高めるために、ノイズの多いクロスフレーム相互作用を効果的にモデル化することである。 我々は,条件の品質と不確実性を低減し,ノイズのあるクロスフレーム特徴をノイズのある状態の形で解釈する能力とを革新的に関連付ける。
  論文  参考訳（メタデータ） (2024-10-21T12:36:27Z)
• CameraCtrl: Enabling Camera Control for Text-to-Video Generation [86.36135895375425]
  ユーザーがコンテンツをより正確に作成し、編集できるようにするため、制御性はビデオ生成において重要な役割を果たす。 しかし、既存のモデルは、より深い物語のニュアンスを表現するための映画言語として機能するカメラポーズの制御を欠いている。 我々は、ビデオ拡散モデルの正確なカメラポーズ制御を可能にするCameraCtrlを紹介する。
  論文  参考訳（メタデータ） (2024-04-02T16:52:41Z)

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。