論文の概要: HorizonRelight: Relighting Long-horizon Videos Consistently via Diffusion Transformers
- arxiv url: http://arxiv.org/abs/2606.29095v1
- Date: Sat, 27 Jun 2026 21:23:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.786275
- Title: HorizonRelight: Relighting Long-horizon Videos Consistently via Diffusion Transformers
- Title（参考訳）: Horizon Relight:拡散トランスフォーマーで一貫したロングホライゾンビデオのリライト
- Abstract要約: Emphtemporally conditioned latent domain translation としてのLong-Horizon relighting の検討
我々のフレームワークは、境界を越えてターゲットドメインの潜伏を伝播することにより、クロスチャンク連続性を強制する。
地中長距離ビデオの実験では、時間的一貫性が著しく向上した。
- 参考スコア（独自算出の注目度）: 12.923811352890999
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diffusion-based video relighting enables controllable relighting from a single input video, but modern video diffusion backbones are trained on short clips and applied to long-horizon videos through chunked sliding-window inference, often causing temporal discontinuities at chunk boundaries. We address this by reframing long-horizon relighting as \emph{temporally conditioned latent domain translation}. Our framework enforces cross-chunk continuity by propagating target-domain latents across boundaries and makes this behavior learnable using \emph{masked target-domain self-conditioning}, training the model to continue from temporally masked propagated context. We further introduce \emph{warm-start prompting} with a relit prompt anchor from a controllable generative model, which establishes the initial target-domain state and creates a general interface for prompt-based relighting. Experiments on in-the-wild long-horizon videos show markedly improved temporal consistency, with chunk-boundary artifacts largely reduced and unwanted appearance changes across chunks greatly suppressed.
- Abstract（参考訳）: 拡散に基づくビデオリライティングは、単一の入力ビデオから制御可能なリライティングを可能にするが、現代のビデオ拡散バックボーンはショートクリップで訓練され、チャンクされたスライドウインドウ推論を通じてロングホライゾンビデオに適用され、しばしばチャンク境界における時間的不連続を引き起こす。
この問題に対処するために、長い水平リライティングを \emph{temporally conditioned latent domain translation} として再定義する。
本フレームワークは,対象ドメインの潜在状態を境界を越えて伝播させ,その振る舞いを \emph{masked target-domain self-conditioning} を用いて学習し,時間的にマスキングされた伝播コンテキストからモデルを継続するように訓練する。
さらに、制御可能な生成モデルから信頼的なプロンプトアンカーを付加した 'emph{warm-start prompting} を導入し、初期ターゲットドメイン状態を確立し、プロンプトベースのリライトのための汎用インターフェースを作成する。
地中長距離ビデオの実験では、時間的一貫性が著しく向上し、チャンク境界のアーティファクトが大幅に減少し、チャンク全体の望ましくない外観変化が大幅に抑制された。
関連論文リスト
- CineWeaver: Training-Free Reference-Controllable Multi-Shot Long Video Generation for Cinematic Storytelling [111.28808966759613]
我々は、参照制御可能なマルチショット長ビデオ生成を実現するために、CineWeaverという統合フレームワークを提案する。
実験により、CineWeaverは、連続したアイデンティティ、安定したグローバルな外観、鮮明なショット遷移を持つ長時間の高品質なシネマティックビデオを生成することを示した。
論文 参考訳（メタデータ） (2026-07-29T06:48:11Z) - FlowLong: Inference-time Long Video Generation via Manifold-constrained Tweedie Matching [68.01498128172214]
本稿では,アーキテクチャに依存しない,追加のトレーニングを必要としない長大なビデオ生成のための,斬新でシンプルな推論時間アプローチを提案する。
提案手法では,隣接するウィンドウからのクリーンサンプルをemphTweedieマッチングでブレンドし,テキストbfmanifoldの制約と重複領域間の時間的一貫性を強制する。
本手法は, 時間的一貫性と視覚的品質において, トレーニング不要, 自己回帰ベースラインを両立させながら, ネイティブウィンドウ長よりも数倍長大のビデオを生成する。
論文 参考訳（メタデータ） (2026-05-20T08:55:37Z) - SEDiT: Mask-Free Video Subtitle Erasure via One-step Diffusion Transformer [4.205766319033597]
一段階拡散変換器を用いた一段ビデオ字幕消去手法SEDiTを提案する。
ターゲット字幕の直接消去を可能にするマスクフリー推論手法を提案する。
提案手法は,ワンステップ,チャンクワイドのストリーミング推論により,ネイティブな1440p動画を無限長で効率的に処理できる。
論文 参考訳（メタデータ） (2026-05-14T14:37:54Z) - Seen-to-Scene: Keep the Seen, Generate the Unseen for Video Outpainting [29.60843145809862]
ビデオのアウトパインティングは、オリジナルのフレームの境界を超えて、ビデオの可視コンテンツを拡張することを目的としている。
本稿では,映像のアウトパインティングのための伝搬型および生成型パラダイムを統一する新しいフレームワークであるSeen-to-Sceneを提案する。
論文 参考訳（メタデータ） (2026-04-16T05:55:11Z) - HieraMamba: Video Temporal Grounding via Hierarchical Anchor-Mamba Pooling [52.10845971383909]
HieraMambaは階層的なアーキテクチャで、時間的構造と規模にわたって意味的な豊かさを保ちます。
Ego4D-NLQ、MAD、TACoSに新たな最先端技術を導入し、長い、トリミングされていないビデオの正確な時間的忠実なローカライゼーションを実証した。
論文 参考訳（メタデータ） (2025-10-27T06:13:07Z) - VideoCanvas: Unified Video Completion from Arbitrary Spatiotemporal Patches via In-Context Conditioning [38.89828994130979]
任意の場所に配置された任意のユーザ指定のパッチからビデオが生成され、ビデオキャンバスに描画されるような、任意の時間的ビデオ補完のタスクを紹介する。
この柔軟性は、単一のパラダイムの下で、ファーストフレームのイメージ・トゥ・ビデオ、塗り絵、拡張、結束など、既存のコントロール可能なビデオ生成タスクを統一する。
In-Context Conditioning(ICC)パラダイムを、新しいパラメータをゼロとしたこのきめ細かい制御タスクに適応する、新しいフレームワークであるVideoCanvasを開発した。
論文 参考訳（メタデータ） (2025-10-09T17:58:59Z) - RelightVid: Temporal-Consistent Diffusion Model for Video Relighting [95.10341081549129]
RelightVidはビデオのリライトのためのフレキシブルなフレームワークだ。
バックグラウンドビデオ、テキストプロンプト、環境マップをリライト条件として受け入れることができる。
内在的な分解を伴わずに、時間的整合性の高い任意のビデオリライティングを実現する。
論文 参考訳（メタデータ） (2025-01-27T18:59:57Z) - Ouroboros-Diffusion: Exploring Consistent Content Generation in Tuning-free Long Video Diffusion [116.40704026922671]
事前訓練されたテキスト・ツー・ビデオモデルに基づいて構築されたファースト・イン・ファースト・アウト(FIFO)ビデオ拡散は,近年,チューニング不要な長ビデオ生成に有効なアプローチとして浮上している。
We propose Ouroboros-Diffusion, a novel video denoising framework designed to enhance structure and content (ject) consistency。
論文 参考訳（メタデータ） (2025-01-15T18:59:15Z) - LatentWarp: Consistent Diffusion Latents for Zero-Shot Video-to-Video
Translation [21.815083817914843]
我々はtextitLatentWarp というゼロショット動画翻訳フレームワークを提案する。
我々のアプローチは単純で、クエリトークンの時間的一貫性を制約するために、潜伏した空間にワープ操作を組み込む。
textitLatentWarpの時間的コヒーレンスによるビデオ間翻訳における優位性を示す実験結果を得た。
論文 参考訳（メタデータ） (2023-11-01T08:02:57Z) - Towards Smooth Video Composition [59.134911550142455]
ビデオ生成には、時間とともに動的コンテンツを伴う一貫した永続的なフレームが必要である。
本研究は, 生成的対向ネットワーク(GAN)を用いて, 任意の長さの映像を構成するための時間的関係を, 数フレームから無限までモデル化するものである。
単体画像生成のためのエイリアスフリー操作は、適切に学習された知識とともに、フレーム単位の品質を損なうことなく、スムーズなフレーム遷移をもたらすことを示す。
論文 参考訳（メタデータ） (2022-12-14T18:54:13Z) - Progressive Temporal Feature Alignment Network for Video Inpainting [51.26380898255555]
ビデオ畳み込みは、時間内「破損した地域」に可能な内容で埋めることを目指しています。
現在の方法は、注意、フローベースのワープ、あるいは3次元時間的畳み込みによってこの目標を達成する。
現在のフレームから抽出された特徴を、隣接するフレームから歪んだ特徴で段階的に強化する「プログレッシブ・テンポラリティ・アライメント・ネットワーク」を提案します。
論文 参考訳（メタデータ） (2021-04-08T04:50:33Z)
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。