論文の概要: MASS: Motion-Aligned Selective Scan for Refinement in Flow-Based Video Frame Interpolation
- arxiv url: http://arxiv.org/abs/2606.27718v1
- Date: Fri, 26 Jun 2026 04:56:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.370203
- Title: MASS: Motion-Aligned Selective Scan for Refinement in Flow-Based Video Frame Interpolation
- Title（参考訳）: MASS:フローベースビデオフレーム補間におけるリファインメントのためのモーションアライメント選択走査
- Abstract要約: Motion-Aligned Selective Scan (MASS) は静的空間格子から動的運動軌跡へ特徴走査を再構成する新しいフレームワークである。
MASSは各ピクセルのフロー誘導軌道に沿って特徴系列を構築し、それをSSMで集約する。
- 参考スコア（独自算出の注目度）: 18.165045289069703
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video frame interpolation (VFI) remains a challenging task, particularly when dealing with large, non-linear motions and complex occlusions. While flow-based methods are prevalent, they often struggle with ambiguous correspondences. Recent VFI methods based on selective State Space Models (SSMs) are still limited by static grid-based scanning that misaligns with physical motion. In this paper, we propose Motion-Aligned Selective Scan (MASS), a novel framework that reformulates feature scanning from static spatial grids to dynamic motion trajectories. MASS builds a feature sequence along each pixel's flow-guided trajectory and aggregates it with an SSM. Specifically, we introduce a learnable non-linear path integration to approximate complex curved trajectories via residual velocity updates, and a velocity-aware SSM that dynamically adjusts the sampling budget and step size based on motion magnitude. This adaptive strategy allocates denser sampling to fast-motion regions while keeping static regions efficient. Furthermore, the aggregated states guide a refinement module to rectify intermediate flows and masks in an end-to-end manner. Extensive experiments indicate that MASS achieves highly competitive overall performance on standard benchmarks, establishing state-of-the-art results particularly in challenging scenarios with large displacements and complex dynamics.
- Abstract（参考訳）: ビデオフレーム補間(VFI)は、特に大規模で非線形な動きや複雑なオクルージョンを扱う場合、依然として難しい課題である。
フローベースの手法が一般的であるが、あいまいな対応に苦しむことが多い。
選択的状態空間モデル(SSM)に基づく最近のVFI法は、物理運動と相反する静的グリッドベースの走査によって制限されている。
本稿では,静的空間格子から動的運動軌跡へ特徴走査を変換する新しいフレームワークである動き調整選択走査(MASS)を提案する。
MASSは各ピクセルのフロー誘導軌道に沿って特徴系列を構築し、それをSSMで集約する。
具体的には、残差速度更新により複雑な曲線軌道を近似するための学習可能な非線形経路積分と、運動量に基づいてサンプリング予算とステップサイズを動的に調整する速度認識SSMを導入する。
この適応戦略は、静的領域を効率よく保ちながら、より高密度なサンプリングを高速動作領域に割り当てる。
さらに、集約状態は精製モジュールをガイドし、中間フローとマスクをエンドツーエンドに整形する。
大規模な実験により、MASSは標準ベンチマークで高い競争力を発揮し、特に大きな変位と複雑なダイナミクスを持つ挑戦的なシナリオにおいて、最先端の結果を確立することが示されている。
関連論文リスト
- Following Motion for Sequential Modeling in Video Frame Interpolation [22.71397762551783]
状態空間モデル(SSM)はビデオフレーム補間(VFI)において有望なアーキテクチャとして浮上した
本稿では,ビデオフレーム補間(MGMVFI)のためのモーションガイドマンバを提案する。
論文 参考訳（メタデータ） (2026-08-24T06:43:48Z) - SAMOFT: Robust Multi-Object Tracking via Region and Flow [42.6206516982406]
マルチオブジェクトトラッキング(MOT)は、コンピュータビジョンにおける基本的なタスクであり、複数のターゲットを継続的に追跡する必要がある。
既存のアプローチのほとんどは、軌道関連のためのインスタンスレベルのオブジェクト機能に依存しています。
我々は,複雑な動作シナリオ下でのロバスト性向上のために,画素レベルのキューを活用するロバストトラッカーSAMOFTを提案する。
論文 参考訳（メタデータ） (2026-05-10T08:39:54Z) - Hypergraph-State Collaborative Reasoning for Multi-Object Tracking [63.32950991964095]
複数の相関オブジェクト間の共同推論による動き推定を向上する協調推論フレームワークを提案する。
類似の運動状態を持つ物体同士を互いに拘束し、互いに洗練させることで、我々のフレームワークはノイズの軌道を安定させ、目標を遮蔽しても可塑性運動の連続性を推測する。
論文 参考訳（メタデータ） (2026-04-14T12:37:39Z) - Bidirectional Feature-aligned Motion Transformation for Efficient Dynamic Point Cloud Compression [97.66080040613726]
特徴空間における動きを暗黙的にモデル化する双方向特徴整合運動変換(Bi-FMT)フレームワークを提案する。
Bi-FMTは、時間的に一貫した潜在表現を生成するために、過去と将来の両方のフレームで機能を調整する。
圧縮効率とランタイムの両方において, Bi-FMT が D-DPCC と AdaDPCC を上回っていることを示す。
論文 参考訳（メタデータ） (2025-09-18T03:51:06Z) - Motion-Aware Generative Frame Interpolation [23.380470636851022]
フローベースのフレーム法は、推定中間フローを通しての運動安定性を保証するが、複雑な動き領域で深刻なアーティファクトを導入することが多い。
大規模な事前学習ビデオ生成モデルによって強化された最近の生成的アプローチは、複雑なシーンの処理において有望であることを示している。
本研究では、中間フロー誘導と生成能力を相乗化して忠実度を高める動き認識生成フレーム(MoG)を提案する。
論文 参考訳（メタデータ） (2025-01-07T11:03:43Z) - MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。
事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。
このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
論文 参考訳（メタデータ） (2024-12-02T09:13:29Z) - Differentiable Motion Manifold Primitives for Reactive Motion Generation under Kinodynamic Constraints [5.982922468400902]
Differentiable Motion Manifold Primitives (DMMP)は、連続時間で微分可能な軌道を符号化し生成する新しいニューラルネットワークアーキテクチャである。
7-DoFロボットアームを用いた動的投球実験では、DMMPは計画速度、タスク成功、制約満足度において従来の手法よりも優れていた。
論文 参考訳（メタデータ） (2024-10-16T03:29:33Z) - TrackSSM: A General Motion Predictor by State-Space Model [14.733503542494674]
TrackSSMは、データ依存状態空間モデルを使用して、トラジェクトリの時間運動を実行する統合エンコーダデコーダモーションフレームワークである。
Flow-SSMは、歴史的軌跡の位置と動き情報を利用して、オブジェクト境界ボックスの時間的状態遷移を導くモジュールである。
TrackSSMはさまざまなトラッキングシナリオに適用可能で、複数のベンチマークで優れたトラッキング性能を実現する。
論文 参考訳（メタデータ） (2024-08-31T15:45:56Z) - 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) - Motion-Aware Video Frame Interpolation [49.49668436390514]
我々は、連続するフレームから中間光の流れを直接推定する動き対応ビデオフレーム補間(MA-VFI)ネットワークを導入する。
受容場が異なる入力フレームからグローバルな意味関係と空間的詳細を抽出するだけでなく、必要な計算コストと複雑さを効果的に削減する。
論文 参考訳（メタデータ） (2024-02-05T11:00:14Z) - Alignment-free HDR Deghosting with Semantics Consistent Transformer [76.91669741684173]
高ダイナミックレンジイメージングは、複数の低ダイナミックレンジ入力から情報を取得し、リアルな出力を生成することを目的としている。
既存の手法では、前景やカメラの動きによって引き起こされる入力フレーム間の空間的ずれに焦点を当てることが多い。
本研究では,SCTNet(Semantics Consistent Transformer)を用いたアライメントフリーネットワークを提案する。
論文 参考訳（メタデータ） (2023-05-29T15:03:23Z)
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。