論文の概要: OptiWorld: Optimal Control for Video World Generation under Physical Constraints
- arxiv url: http://arxiv.org/abs/2606.00499v1
- Date: Sat, 30 May 2026 03:13:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:28.49212
- Title: OptiWorld: Optimal Control for Video World Generation under Physical Constraints
- Title（参考訳）: OptiWorld:物理制約下におけるビデオワールドジェネレーションのための最適制御
- Abstract要約: 推論時にビデオ生成に古典的最適制御をもたらすフレームワークである textbfOptiWorld を提案する。
連続多様体上の幾何学的問題として計画を定式化し、3次元幾何学とタスク依存の物理的制約を統一計画幾何学に変換する。
- 参考スコア（独自算出の注目度）: 24.706736738743825
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Video generation models are becoming a scalable form of world models, but they mainly generate plausible motion rather than proactively control or optimize the underlying dynamics. As a result, an object in the generated video may follow trajectories that are unsafe, not smooth, inefficient, or physically inconsistent. In this work, we propose \textbf{OptiWorld}, a framework that brings classical optimal control into video generation at inference time. OptiWorld first extracts a compact, task-relevant world state, then plans an optimal trajectory under physical constraints, and finally renders the video conditioned on this trajectory. We formulate planning as a geometric problem on a continuous manifold, which converts 3D geometry and task-dependent physical constraints into a unified planning geometry. By adding this optimal-control layer, OptiWorld generates videos with preferable dynamics, demonstrating strong potential in multiple tasks including goal-conditioned image-to-video generation, video dynamics editing, and counterfactual generation.
- Abstract（参考訳）: ビデオ生成モデルは、世界モデルのスケーラブルな形式になりつつあるが、主に、基礎となるダイナミクスを積極的に制御したり、最適化したりするのではなく、可塑性運動を生成する。
結果として、生成されたビデオのオブジェクトは、安全でない、スムーズでない、非効率でない、物理的に矛盾しない軌跡に従うことができる。
本研究では,推論時にビデオ生成に古典的最適制御をもたらすフレームワークである「textbf{OptiWorld}」を提案する。
OptiWorldはまず、コンパクトでタスク関連の世界状態を抽出し、次に物理制約の下で最適な軌道を計画し、最後にこの軌道に条件付けされた映像をレンダリングする。
連続多様体上の幾何学的問題として計画を定式化し、3次元幾何学とタスク依存の物理的制約を統一計画幾何学に変換する。
この最適制御層を追加することで、OptiWorldは好ましいダイナミックスを持つビデオを生成し、ゴール条件付き画像-ビデオ生成、ビデオダイナミックス編集、対物生成を含む複数のタスクにおいて強力なポテンシャルを示す。
関連論文リスト
- WorldDirector: Building Controllable World Simulators with Persistent Dynamic Memory [106.28234880163723]
WorldDirectorは、高度に制御可能なビデオワールドモデルフレームワークである。
我々のフレームワークは、視覚生成から意味的な動きのオーケストレーションを明示的に分離する。
長時間の視界外から再突入しても,動的実体の正確な視覚的アイデンティティを保たせることができた。
論文 参考訳（メタデータ） (2026-07-02T17:59:59Z) - Grounding Generated Videos in Feasible Plans via World Models [52.63206803295352]
Grounding Video Plans with World Models (GVP-WM) は、ビデオ生成したプランを実行可能なアクションシーケンスに変換するための計画手法である。
GVP-WMはまず、最初の観測とゴール観測からビデオプランを生成し、次に動的に実現可能な潜在軌道の多様体にビデオガイダンスを投影する。
論文 参考訳（メタデータ） (2026-02-02T11:04:47Z) - VerseCrafter: Dynamic Realistic Video World Model with 4D Geometric Control [83.92729346325163]
VerseCrafterは、4D対応のビデオワールドモデルであり、カメラとオブジェクトのダイナミクスの両方を明示的で一貫性のある制御を可能にする。
当社のアプローチは,静的な背景点雲を通じて世界状態をエンコードする,新しい4次元幾何制御表現を中心にしている。
これらの4D制御は、事前訓練されたビデオ拡散モデルのための条件付け信号にレンダリングされ、高忠実でビュー一貫性のあるビデオを生成することができる。
論文 参考訳（メタデータ） (2026-01-08T17:28:52Z) - Epipolar Geometry Improves Video Generation Models [73.44978239787501]
3D一貫性のあるビデオ生成は、生成および再構成タスクにおける多くの下流アプリケーションに大きな影響を与える可能性がある。
エピポーラ幾何学的制約が現代のビデオ拡散モデルをどのように改善するかを考察する。
データ駆動型ディープラーニングを古典的幾何学的コンピュータビジョンでブリッジすることで、空間的に一貫したビデオを生成する実用的な方法を提案する。
論文 参考訳（メタデータ） (2025-10-24T16:21:37Z) - Hierarchical Fine-grained Preference Optimization for Physically Plausible Video Generation [80.89133198952187]
PhysHPOは階層的クロスモーダル直接参照最適化のための新しいフレームワークである。
物理的に妥当なビデオ生成のための微妙な好み調整を可能にする。
また,PhysHPOは,高度なモデルの物理的妥当性と全体的な映像生成品質を著しく向上させることを示した。
論文 参考訳（メタデータ） (2025-08-14T17:30:37Z) - ReVision: High-Quality, Low-Cost Video Generation with Explicit 3D Physics Modeling for Complex Motion and Interaction [22.420752010237052]
本稿では,パラメータ化された3次元物理知識を条件付きビデオ生成モデルに明示的に統合するプラグイン・アンド・プレイフレームワークReVisionを紹介する。
ReVisionは動きの忠実度とコヒーレンスを大幅に向上させる。
以上の結果から,3次元物理知識を取り入れることで,比較的小さな映像拡散モデルでも複雑な動きや,より現実性や操作性の高いインタラクションを生成できることが示唆された。
論文 参考訳（メタデータ） (2025-04-30T17:59:56Z) - InfiniCube: Unbounded and Controllable Dynamic 3D Driving Scene Generation with World-Guided Video Models [75.03495065452955]
InfiniCubeはダイナミックな3次元駆動シーンを高忠実かつ制御性で生成するスケーラブルな方法である。
制御可能でリアルな3Dドライビングシーンを生成でき、モデルの有効性と優越性を広範囲にわたる実験により検証できる。
論文 参考訳（メタデータ） (2024-12-05T07:32:20Z)
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。