Fugu-MT 論文翻訳(概要): Making Time Editable in Video Diffusion Transformers

論文の概要: Making Time Editable in Video Diffusion Transformers

arxiv url: http://arxiv.org/abs/2606.10183v1
Date: Mon, 08 Jun 2026 21:21:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-10 15:40:58.196288
Title: Making Time Editable in Video Diffusion Transformers
Title（参考訳）: ビデオ拡散変換器における時間編集
Authors: Konstantin Kuklev, Viacheslav Vasilev, Alexander Kunitsyn, Andrei Ivaniuta, Denis Dimitrov,
Abstract要約: 本稿では,事前学習したDiTを時間的編集で拡張する時間的制御手法を提案する。そのコア実装は、事前訓練されたモデルを軽量の時間モジュールで拡張し、制御可能なダイナミックレンジを拡張しながら、オリジナルの生成を前もって保存する。
参考スコア（独自算出の注目度）: 38.59072370851957
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Modern Diffusion Transformers for video generation provide limited control over the progression of time and the editing of temporal dynamics. We propose a temporal-control methodology that extends a pretrained DiT with explicit time editing, allowing control over motion speed and temporal structure without redesigning the backbone. Its core implementation augments the pretrained model with a lightweight temporal module, preserving the original generative prior while expanding its controllable dynamic range.
Abstract（参考訳）: ビデオ生成のための現代拡散変換器は、時間進行と時間的ダイナミクスの編集を限定的に制御する。本研究では,事前訓練したDiTを明示的な時間編集で拡張し,バックボーンを再設計することなく動作速度や時間構造を制御できる時間制御手法を提案する。そのコア実装は、事前訓練されたモデルを軽量の時間モジュールで拡張し、制御可能なダイナミックレンジを拡張しながら、オリジナルの生成を前もって保存する。

関連論文リスト

Controllable Text-to-Motion Generation via Modular Body-Part Phase Control [25.2003430574182]
テキスト・トゥ・モーション(T2M)生成はアニメーションとインタラクティブなアバターの実用的なツールになりつつある。構造化された局所的な編集を可能にするプラグイン・アンド・プレイ・フレームワークであるModular Body-Part Phase Controlを提案する。拡散モデルと流れモデルの両方の実験により、我々の手法は運動の大きさ、速度、タイミングに対する予測可能かつきめ細かい制御を提供することを示した。
論文参考訳（メタデータ） (2026-03-20T09:37:16Z)
PropFly: Learning to Propagate via On-the-Fly Supervision from Pre-trained Video Diffusion Models [35.59605874012795]
PropFlyは、伝搬ベースのビデオ編集のためのトレーニングパイプラインである。 PropFlyはトレーニング済みのビデオ拡散モデル(VDM)に依存している。我々のパイプラインは、事前訓練されたVDMにアタッチされたアダプタが、誘導変調フローマッチング(GMFM)損失を介して編集を伝達することを学ぶことを可能にする。
論文参考訳（メタデータ） (2026-02-24T06:11:08Z)
DiTS: Multimodal Diffusion Transformers Are Time Series Forecasters [50.43534351968113]
既存の生成時系列モデルは、時系列データの多次元特性にうまく対応していない。動画生成にテキストガイダンスを組み込んだマルチモーダル拡散変換器に着想を得て,Diffusion Transformer for Time Series (DiTS)を提案する。
論文参考訳（メタデータ） (2026-02-06T10:48:13Z)
Characterizing Motion Encoding in Video Diffusion Timesteps [50.13907856401258]
本研究では,映像拡散時間ステップにおける動きのエンコードについて,外観編集と動作保存のトレードオフによって検討する。動作優位の早期体制と,その後に出現優位の体制を同定し,時間空間における動作優位の境界を導出する。
論文参考訳（メタデータ） (2025-12-18T21:20:54Z)
TempoControl: Temporal Attention Guidance for Text-to-Video Models [18.49685485536669]
本研究では,推論中の視覚概念の時間的アライメントを可能にするTempoControlを紹介する。本手法は,時間的形状と制御信号との整合性,可視性が必要な場所での増幅,空間的焦点の維持という3つの相補的原理を用いて注意を喚起する。単一オブジェクトと複数オブジェクトの時間的並べ替え、アクションおよびオーディオアライメント生成など、様々なビデオ生成アプリケーションにおいて、その効果を実証する。
論文参考訳（メタデータ） (2025-10-02T17:13:35Z)
Generative Pre-trained Autoregressive Diffusion Transformer [74.25668109048418]
GPDiT(GPDiT)は、自動回帰拡散変換器である。長距離ビデオ合成における拡散と自己回帰モデリングの強みを統一する。拡散損失を用いて将来の潜伏フレームを自動回帰予測し、運動力学の自然なモデリングを可能にする。
論文参考訳（メタデータ） (2025-05-12T08:32:39Z)
MoLA: Motion Generation and Editing with Latent Diffusion Enhanced by Adversarial Training [19.550281954226445]
テキスト・ツー・モーション・ジェネレーションでは、制御性だけでなく、生成品質やスピードもますます重要になっている。高速で高品質で可変長のモーション生成が可能なMoLAを提案する。
論文参考訳（メタデータ） (2024-06-04T00:38:44Z)
MotionEditor: Editing Video Motion via Content-Aware Diffusion [96.825431998349]
MotionEditorはビデオモーション編集のための拡散モデルである。新たなコンテンツ対応モーションアダプタをControlNetに組み込んで、時間的モーション対応をキャプチャする。
論文参考訳（メタデータ） (2023-11-30T18:59:33Z)
Temporal Transformer Networks with Self-Supervision for Action Recognition [13.00827959393591]
自己監督型時変変器ネットワーク(TTSN)について紹介する。 TTSNは時間変圧器モジュールと時間列セルフスーパービジョンモジュールから構成される。提案するTTSNは,動作認識のための最先端性能を達成する上で有望である。
論文参考訳（メタデータ） (2021-12-14T12:53:53Z)

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。