論文の概要: PanoWorld: Real-World Panoramic Generation
- arxiv url: http://arxiv.org/abs/2607.09661v1
- Date: Fri, 10 Jul 2026 17:59:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 14:47:12.920614
- Title: PanoWorld: Real-World Panoramic Generation
- Title（参考訳）: PanoWorld: 現実世界のパノラマ世代
- Abstract要約: パノワールド(PanoWorld)は、現在の動作モデリングと長距離メモリの両方において、固定方向によるカメラ軌跡の変換を単純化する。
ワールド360の大規模な実験は、パノワールドの有効性を示し、大きなマージンで代替手法を上回った。
- 参考スコア（独自算出の注目度）: 68.3569360188378
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this work, we aim to address the challenge of long-range memory in panoramic world models by exploiting the rotation-equivariant property of omnidirectional representations, where rotation can be treated as an implicit geometric transformation.Building on this insight, we propose PanoWorld, which simplifies camera trajectories into translations via fixed headings for both current-action modeling and long-range memory through Dense Panoramic Ray-Conditioning (DPRC) and Geometry-aware Memory Augmentation (GMA).Then, a three-stage training pipeline is introduced to progressively optimize each component. To better evaluate physical consistency under large-scale spatial variations and diverse illumination conditions, where existing datasets are relatively stable, we construct World360, a large-scale dataset consisting of both real-world video clips collected via panoramic unmanned aerial vehicles and high-quality simulated clips generated by AirSim360.Extensive experiments on World360 demonstrate the effectiveness of PanoWorld, outperforming alternative methods by a large margin.Our models, training code, and dataset will be publicly available. More information can be found on our project page: https://lihaoy-ux.github.io/panoworld-page/.
- Abstract（参考訳）: 本研究では, パノラマ世界モデルにおける長距離メモリの課題に対して, 全方位表現の回転同変性を利用して, 回転を暗黙的な幾何学的変換として扱うことを目的としている。この知見に基づいて, Dense Panoramic Ray-Conditioning (DPRC) と Geometry-aware Memory Augmentation (GMA) を通じて, 直進線と長距離メモリの固定方向による変換を簡略化したPanoWorldを提案する。
次に、3段階のトレーニングパイプラインを導入し、各コンポーネントを段階的に最適化する。
既存のデータセットが比較的安定している大規模な空間変動と多様な照明条件下での物理的な一貫性をよりよく評価するために、AirSim360によって生成されたパノラマ無人航空機と高品質なシミュレートされたクリップによって収集された実世界のビデオクリップからなる大規模なデータセット、World360を構築します。
詳細はプロジェクトのページ(https://lihaoy-ux.github.io/panoworld-page/)で確認できます。
関連論文リスト
- Geometry and Gradient-based Partitioning for Panoramic Outdoor Reconstruction [32.80582033500264]
PanoLOGは、Geometry and Gradientベースのパーティショニング戦略を備えた、2段階の粗粒化フレームワークである。
屋外シーン再構築のための大規模パノラマデータセットの最初のベンチマークであるパノ360を構築した。
論文 参考訳（メタデータ） (2026-07-09T17:59:43Z) - PanoWorld: A Generative Spatial World Model for Consistent Whole-House Panorama Synthesis [9.056861577664717]
パノワールド(英: PanoWorld)は、ノードベースのパノラマの自動回帰生成としてハウス全体の合成を扱う生成空間世界モデルである。
クロスノードレイアウトとマテリアル一貫性を改善しつつ、高周波2D合成品質を保っている。
論文 参考訳（メタデータ） (2026-05-18T06:25:37Z) - PanoWorld: Towards Spatial Supersensing in 360$^\circ$ Panorama World [20.19893789145407]
本研究では, MLLMが連続的, 観測中心空間としての正方形射影パノラマを推論するために必要となるパノネイティブ理解について検討する。
球面形状を視覚ストリームに注入する球面空間交叉型パノワールドについて紹介する。
実験によると、PanoWorldはPanoSpace-Bench、H* Bench、R2R-CE Val-Unseenベンチマークにおいて、プロプライエタリベースラインとオープンソースベースラインの両方を大幅に上回っている。
論文 参考訳（メタデータ） (2026-05-13T08:31:22Z) - Map2World: Segment Map Conditioned Text to 3D World Generation [64.2098235580955]
3Dワールドジェネレーションは没入型コンテンツ作成や自律運転シミュレーションに不可欠である。
近年の3Dワールドジェネレーションの進歩は有望な成果を上げているが,これらの手法はグリッドレイアウトによって制約されている。
本稿では,任意の形状とスケールのユーザ定義セグメントマップ上で,まず3次元世界生成を可能にする新しいフレームワークMap2Worldを紹介する。
論文 参考訳（メタデータ） (2026-05-01T16:56:49Z) - Pano360: Perspective to Panoramic Vision with Geometric Consistency [7.713672589538202]
我々は新しいトランスフォーマーベースのアーキテクチャを採用し、すべての視点で3D認識とグローバル情報を集約する。
評価ベンチマークを確立し,ネットワークをトレーニングするために,実世界のシーンの大規模データセットを構築した。
論文 参考訳（メタデータ） (2026-03-12T14:56:14Z) - Depth Any Panoramas: A Foundation Model for Panoramic Depth Estimation [68.95366581365829]
パノラマ距離深度基礎モデルを提案する。
我々は、公開データセット、UE5シミュレーターとテキスト・ツー・イメージ・モデルからの高品質な合成データ、Webからの実際のパノラマ画像を組み合わせることで、大規模なデータセットを収集します。
論文 参考訳（メタデータ） (2025-12-18T18:59:29Z) - DiT360: High-Fidelity Panoramic Image Generation via Hybrid Training [76.82789568988557]
DiT360は、パノラマ画像生成のための視点とパノラマデータを用いたハイブリッドトレーニングを行う、DiTベースのフレームワークである。
提案手法は,11の定量的指標間で境界の整合性と画像の忠実度を向上する。
論文 参考訳（メタデータ） (2025-10-13T17:59:15Z) - PanoWorld-X: Generating Explorable Panoramic Worlds via Sphere-Aware Video Diffusion [87.13016347332943]
PanoWorld-Xは、多彩なカメラ軌道を持つ高忠実で制御可能なパノラマビデオ生成のための新しいフレームワークである。
動作範囲,制御精度,視覚的品質など,様々な面で優れた性能を示す実験を行った。
論文 参考訳（メタデータ） (2025-09-29T16:22:00Z) - ViewPoint: Panoramic Video Generation with Pretrained Diffusion Models [52.87334248847314]
本研究では,パノラマ映像の生成に事前学習した視点映像モデルを用いた新しいフレームワークを提案する。
具体的には,世界空間の連続性と細かな視覚的詳細を同時に持つビューポイントマップという新しいパノラマ表現を設計する。
提案手法は,パノラマ映像を高度にダイナミックかつ空間的に一貫したパノラマ映像を合成し,最先端の性能を達成し,従来の手法を超越することができる。
論文 参考訳（メタデータ） (2025-06-30T04:33:34Z)
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。