論文の概要: WorldDirector: Building Controllable World Simulators with Persistent Dynamic Memory
- arxiv url: http://arxiv.org/abs/2607.02517v1
- Date: Thu, 02 Jul 2026 17:59:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.96748
- Title: WorldDirector: Building Controllable World Simulators with Persistent Dynamic Memory
- Title（参考訳）: WorldDirector: 永続動的メモリによる制御可能なワールドシミュレータの構築
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 106.28234880163723
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present WorldDirector, a highly controllable video world model framework designed for persistent dynamic object memory and unrestricted viewpoint exploration. Unlike existing world models that entangle physical dynamics with pixel rendering and rely on continuous visual observation to sustain motion, our framework explicitly decouples semantic motion orchestration from visual generation. By leveraging an LLM to coordinate 3D trajectories with camera movements and subsequently employing these orchestrated trajectories as control signals for video generation, our approach ensures strict physical logic and appearance stability, successfully preserving the exact visual identities of dynamic entities even when they re-enter the scene after prolonged periods out of view. Experimental results demonstrate that our method supports the synthesis of complex and extended events with unprecedented controllability and persistent dynamic object memory. Project Page: https://worlddirector.github.io/
- Abstract（参考訳）: We present WorldDirector, a highly controllable video world model framework designed for persistent dynamic object memory and unrestricted perspective exploration。
ピクセルレンダリングで物理力学を絡めて動きを持続的に観察する既存の世界モデルとは異なり、我々のフレームワークは意味的な動きのオーケストレーションを視覚生成から明確に切り離す。
LLMを利用して3Dトラジェクトリとカメラの動きをコーディネートし、さらにこれらのオーケストレートされたトラジェクトリを映像生成の制御信号として利用することにより、より厳密な物理論理と外観安定性を確保し、長期の経過を経てシーンに再突入しても、動的実体の正確な視覚的アイデンティティを維持できる。
実験により,本手法は前例のない制御性と永続的動的オブジェクトメモリを用いた複雑なイベントと拡張イベントの合成を支援することが示された。
Project Page: https://worlddirector.github.io/
関連論文リスト
- EchoWM: Open and Enterable Omnimodal World Models [71.49148067556887]
EchoWMは、入力可能な生成メディアのための一様世界モデルである。
720pのビデオ、環境音、音楽、音声を共同生成しながら、継続的なナビゲーションに反応する。
論文 参考訳（メタデータ） (2026-08-24T12:39:59Z) - FlexComposer: Unified Video Compositing from Images to Dynamic Footage with Flexible Trajectory Control [26.208912960696622]
トラジェクティブ誘導条件生成タスクとしてビデオ合成を標準化する統合フレームワークを提案する。
提案手法では,(1)大域的変位から物体の内在的な動きを分離し,不均一な入力を安定,中心となる潜在空間に標準化する統一的フォアグラウンド表現,(2)VAE潜在空間の変換等価性を利用したパラメータフリー機構による目標軌道への変換を行う空間認識潜在射出法,(3)手続き的シミュレーション,実世界の映像映像の相乗化を行うハイブリッドデータセットと合成-Real Curriculum,の3つの重要な設計を紹介する。
論文 参考訳（メタデータ） (2026-07-31T16:59:46Z) - Directing the World: Fast Autoregressive Video Generation with Compositional Human-Camera Control [56.828569670698975]
デレクシング・ザ・ワールド(Directing the World)は、人体動作とカメラ軌道制御を備えた、制御可能な世界モデルビデオ生成のための高速自動回帰フレームワークである。
私たちのキーとなるアイデアは、前もって統合された自己回帰ビデオを保持しながら、制御学習を分離することです。
人間の動作制御のために、t誘導型動的投射機構と洗練されたモーション-CFG戦略を設計する。
論文 参考訳（メタデータ） (2026-06-26T11:08:09Z) - Look-Before-Move: Narrative-Grounded World Visual Attention in Dynamic 3D Story Worlds [22.4160057556312]
Look-Before-Moveは、監視仕様とモーション実行を分離するカメラ計画フレームワークである。
StoryBlenderをベースとしたダイナミックな3Dストーリーワールドベンチマークを構築し,50ストーリー,457シーン,アニメーションによる1585ショットをカバーした。
実験により,本フレームワークは主観的知覚,意図整合性,軌道品質を代表的ベースラインよりも向上することが示された。
論文 参考訳（メタデータ） (2026-06-25T12:38:39Z) - MetaWorld: Scaling Multi-Agent Video World Model from Single-view Video Data [125.43597497646444]
MetaWorldは、マルチエージェントビデオワールドモデルをシングルビュービデオから直接オープンドメイン環境にスケールする新しいフレームワークである。
クロスビューの一貫性とアイデンティティの整合性を向上し、マルチエージェントビデオワールドモデリングのための高度にスケーラブルで物理駆動のパラダイムを確立する。
論文 参考訳（メタデータ） (2026-06-01T18:20:20Z) - SymphoMotion: Joint Control of Camera Motion and Object Dynamics for Coherent Video Generation [11.470401259593944]
SymphoMotionは、単一のモデル内でカメラの軌跡とオブジェクトのダイナミクスを管理する統合モーションコントロールフレームワークである。
The SymphoMotion are shown that SymphoMotion are significantlyforms existing method in visual fidelity, camera controllability, and object-motion accuracy。
論文 参考訳（メタデータ） (2026-04-04T12:59:24Z) - LiveWorld: Simulating Out-of-Sight Dynamics in Generative Video World Models [32.92934803081681]
近年の世代別ビデオワールドモデルは、視覚環境の進化をシミュレートすることを目的としており、観察者はカメラ制御によってシーンをインタラクティブに探索することができる。
彼らは、世界は観察者の視野内でしか進化しないと暗黙的に仮定している。
オブジェクトがオブザーバの視点を離れると、その状態はメモリ内で"凍結"され、その後同じ領域を再考しても、その間に発生すべき出来事を反映できないことがしばしばある。
永続的な世界進化をサポートするために,ビデオワールドモデルを拡張する新しいフレームワークであるLiveWorldを提案する。
論文 参考訳（メタデータ） (2026-03-07T10:31:39Z) - TeleWorld: Towards Dynamic Multimodal Synthesis with a 4D World Model [53.555353366322464]
我々は,映像生成,動的シーン再構成,長期記憶をクローズドループシステム内で統合するリアルタイム多モード4DワールドモデリングフレームワークTeleWorldを提案する。
提案手法は,動的オブジェクトモデリングと静的シーン表現のシームレスな統合を実現し,現実的でインタラクティブで計算可能な合成システムに向けて世界モデルを推し進める。
論文 参考訳（メタデータ） (2025-12-31T18:31:46Z) - TrackDiffusion: Tracklet-Conditioned Video Generation via Diffusion Models [75.20168902300166]
微粒な軌跡条件の運動制御が可能な新しい映像生成フレームワークであるTrackDiffusionを提案する。
TrackDiffusionの重要なコンポーネントは、複数のオブジェクトのフレーム間の一貫性を明確に保証するインスタンスエンハンサーである。
TrackDiffusionによって生成されたビデオシーケンスは、視覚知覚モデルのトレーニングデータとして使用できる。
論文 参考訳（メタデータ） (2023-12-01T15:24:38Z) - Decoupling Dynamic Monocular Videos for Dynamic View Synthesis [50.93409250217699]
動的モノクロビデオからの動的ビュー合成の課題を教師なしで解決する。
具体的には、動的物体の運動を物体の動きとカメラの動きに分離し、教師なし表面の整合性およびパッチベースのマルチビュー制約によって規則化する。
論文 参考訳（メタデータ） (2023-04-04T11:25:44Z)
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。