論文の概要: CamFlow+: Hybrid Motion Bases for 2D Camera Motion Estimation with Stabilization Applications

• arxiv url: http://arxiv.org/abs/2606.05915v1
• Date: Thu, 04 Jun 2026 09:22:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.68526
• Title: CamFlow+: Hybrid Motion Bases for 2D Camera Motion Estimation with Stabilization Applications
• Title（参考訳）: CamFlow+:2次元カメラモーション推定のためのハイブリッドモーションベースと安定化への応用
• Authors: Haipeng Li, Zhen Liu, Zhanglei Yang, Hai Jiang, Tianhao Zhou, Zhengzhe Liu, Ping Tan, Bing Zeng, Shuaicheng Liu,
• Abstract要約: 既存のホモグラフィーに基づく手法は、カメラ翻訳、深度変化、局所視差に苦慮している。 我々は,高密度フロー空間で直接2次元カメラの動きを表現するハイブリッド・ベーシックフレームワークCamFlow+を紹介する。 デジタルビデオの安定化では、CamFlow+はグローバルおよびローカルの安定性も向上し、ブラインドユーザスタディにおいて最高のトップ1の選好率を達成する。
• 参考スコア（独自算出の注目度）: 80.50125916369686
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating 2D camera motion is fundamental to computer vision and computational photography. Existing homography-based methods work well for planar scenes or pure rotation, but struggle with camera translation, depth variation, and local parallax; local homography and mesh-based models improve flexibility but still rely on piecewise planar assumptions. We introduce CamFlow+, a hybrid-basis framework that represents 2D camera motion directly in dense-flow space. CamFlow+ combines homography-derived physical bases, stochastic bases sampled from homography flows, and depth-translational bases derived from depth and camera intrinsics, relaxing the single-plane constraint while preserving camera-motion regularity. A depth-aware smoothness term further regularizes translation-induced parallax in continuous-depth regions while preserving motion changes near depth boundaries. We evaluate CamFlow+ on GHOF-Cam, a camera-motion benchmark that masks out dynamic objects and ill-posed occlusion regions in an optical-flow benchmark to isolate camera-induced motion. Experiments show that CamFlow+ improves sparse and dense camera-motion estimation. In digital video stabilization, CamFlow+ also improves global and local stability, achieving the best top-1 preference rate in a blind user study. Code and datasets will be available on the project page: https://lhaippp.github.io/CamFlow+.
• Abstract（参考訳）: 2Dカメラの動きを推定することは、コンピュータビジョンと計算写真に欠かせない。 既存のホモグラフィーベースの手法は、平面的なシーンや純粋な回転ではうまく機能するが、カメラの翻訳、深度の変化、局所的なパララックスに苦しむ。 我々は,高密度フロー空間で直接2次元カメラの動きを表現するハイブリッド・ベーシックフレームワークCamFlow+を紹介する。 CamFlow+は、ホモグラフィ由来の物理ベース、ホモグラフィフローからサンプリングされた確率ベース、奥行きとカメラの内在から派生した深度翻訳ベースを組み合わせて、カメラモーションの規則性を保ちながら単平面の制約を緩和する。 深度対応スムースネス項は、深度境界付近の運動変化を保ちながら、連続深度領域における翻訳誘起視差をさらに規則化する。 GHOF-Cam上でのCamFlow+の評価を行った。カメラの動作を分離するための光フローベンチマークにおいて,ダイナミックな物体や異常なオクルージョン領域をマスキングするカメラモーションベンチマークである。 実験により,CamFlow+はスパースと高密度カメラモーション推定を改善した。 デジタルビデオの安定化では、CamFlow+はグローバルおよびローカルの安定性も向上し、ブラインドユーザスタディにおいて最高のトップ1の選好率を達成する。 コードとデータセットはプロジェクトのページで入手できる。

関連論文リスト

• Geometry-Guided Camera Motion Understanding in VideoLLMs [8.928448861727274]
  カメラモーションは、視覚知覚と撮影スタイルを形作る基本的な幾何学的信号である。 現在のビデオ対応視覚注入モデル(VideoLLMs)は、明確に表現されることがほとんどなく、しばしば細かい動きプリミティブで失敗する。 カメラ動作を制約対応マルチラベル認識として定式化する。 実験では、改良されたモーション認識と、よりカメラ対応のモデル応答が示される。
  論文  参考訳（メタデータ） (2026-03-13T16:13:09Z)
• 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)
• PanFlow: Decoupled Motion Control for Panoramic Video Generation [52.47902086091194]
  PanFlowは、パノラマの球面の性質を利用して、入力光流条件から高度にダイナミックなカメラ回転を分離する新しいアプローチである。 効果的なトレーニングを支援するため,フレームレベルのポーズとフローアノテーションを用いて,大規模なパノラマ動画データセットをキュレートする。
  論文  参考訳（メタデータ） (2025-11-30T11:03:31Z)
• Estimating 2D Camera Motion with Hybrid Motion Basis [45.971928868591334]
  CamFlowは、ハイブリッドモーションベースを使用したカメラモーションを表現する新しいフレームワークである。 提案手法は,ラプラス分布に基づくハイブリッド確率損失関数を含む。 CamFlowはさまざまなシナリオで最先端のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2025-07-30T08:30:37Z)
• AnyCam: Learning to Recover Camera Poses and Intrinsics from Casual Videos [52.726585508669686]
  我々は,動的ビデオシーケンスからカメラのポーズと内在性を直接推定する高速トランスフォーマーモデルであるAnyCamを提案する。 確立したデータセット上でAnyCamをテストし、質的にも量的にも正確なカメラポーズと本質的な機能を提供します。 カメラ情報、不確実性、深さを組み合わせることで、我々のモデルは高品質な4Dポイントクラウドを作り出すことができる。
  論文  参考訳（メタデータ） (2025-03-30T02:22:11Z)
• RealCam-I2V: Real-World Image-to-Video Generation with Interactive Complex Camera Control [12.80337762745075]
  RealCam-I2Vはモノクロメートル法深度推定を統合する新しいビデオ生成フレームワークである。 トレーニング中、再構成された3Dシーンは、メトリックスケールに対するカメラパラメータのスケーリングを可能にする。 RealCam-I2Vは、RealEstate10Kおよびドメイン外画像の制御性とビデオ品質を大幅に改善する。
  論文  参考訳（メタデータ） (2025-02-14T10:21:49Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)

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。