論文の概要: Generative World Renderer at the Speed of Play
- arxiv url: http://arxiv.org/abs/2607.18703v1
- Date: Tue, 21 Jul 2026 04:54:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-22 19:05:05.31011
- Title: Generative World Renderer at the Speed of Play
- Title（参考訳）: 再生速度における生成的ワールドレンダラー
- Abstract要約: 生成世界 アラヤレンダーは物理エンジンから輸出された構造化世界状態を受け取り、RGBフレームを合成する。
オリジナルのAlayaRendererは、リアルタイムデプロイメントには高すぎる。
この技術レポートでは、リアルタイム指向の生成先進世界であるAlayaRenderer-Flashを紹介します。
- 参考スコア（独自算出の注目度）: 52.54265031259414
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative world renderer AlayaRenderer receives structured world states exported from physics engines and synthesizes RGB frames. Unlike models that generate frames from text/control-hints prompts, AlayaRenderer preserves scene structure without altering the underlying world dynamics. This demonstrates an alternative path toward interactive world modeling and user-controllable play. However, the original AlayaRenderer is too computationally expensive for real-time deployment. This technical report introduces AlayaRenderer-Flash, a real-time-oriented generative forward world renderer that pushes AlayaRenderer from 0.56 FPS to 31.54 FPS, reaching the speed of play. AlayaRenderer-Flash reformulates the original renderer as a few-step autoregressive streaming model and introduces lightweight distilled codecs for efficient latent encoding and frame reconstruction. It retains the teacher model's G-buffer and text-prompt interfaces while enabling continuous rendering over input streams of unbounded length. We evaluate AlayaRenderer-Flash on G-buffer streams across content preservation, temporal consistency, cross-window stability, prompt controllability, and runtime efficiency. Our results show that AlayaRenderer-Flash substantially reduces inference cost while preserving the core rendering capabilities of the teacher model. By integrating AlayaRenderer-Flash with a physics engine, we build a fully playable generative world running at 30 FPS.
- Abstract（参考訳）: 生成ワールドレンダラーのアラヤレンダーは物理エンジンから輸出された構造化世界状態を受け取り、RGBフレームを合成する。
テキスト/コントロールヒントプロンプトからフレームを生成するモデルとは異なり、AlayaRendererは、基礎となる世界ダイナミクスを変更することなくシーン構造を保存する。
これは、インタラクティブな世界モデリングとユーザ制御可能なプレイへの代替の道を示す。
しかし、オリジナルのAlayaRendererはリアルタイムデプロイメントには計算コストが高すぎる。
この技術レポートでは、AlayaRenderer-Flashを0.56FPSから31.54FPSに推し進め、再生速度に到達させるリアルタイム指向のジェネレーティブ・フォワード・ワールド・レンダラーを紹介している。
AlayaRenderer-Flashは、オリジナルのレンダラーを数ステップの自動回帰ストリーミングモデルとして再構成し、効率的な潜時符号化とフレーム再構成のための軽量な蒸留コーデックを導入している。
教師モデルのGバッファとテキストプロンプトのインターフェースを維持しながら、無制限の長さの入力ストリーム上で連続的なレンダリングを可能にする。
本稿では,コンテンツ保存,時間的整合性,ウィンドウ間安定性,制御性の向上,実行効率の向上など,Gバッファストリーム上でのAlayaRenderer-Flashの評価を行った。
その結果,AlayaRenderer-Flashは教師モデルのコアレンダリング能力を保ちつつ,推論コストを大幅に削減できることがわかった。
AlayaRenderer-Flashを物理エンジンに統合することにより、30FPSで動作する完全に再生可能な生成世界を構築する。
関連論文リスト
- Differentiable Voronoi Ray Tracing Beyond Rasterization Speeds [14.722946445988262]
リアルタイムの新規ビュー合成は明示的なプリミティブによって支配されている。
これらのプリミティブは歪み、ローリングシャッター、場の深さといった非ピンホール効果の特別な拡張を必要とする。
線ベースのレンダリングはこれらの効果を自然に表現するが、一般的には競合するリアルタイムレンダリングには遅すぎると仮定される。
これらのコストを削減するために、シーン表現、最適化、GPU実行を共同設計するVoroTracingを紹介します。
論文 参考訳（メタデータ） (2026-08-18T11:55:58Z) - AlayaWorld: Interactive Long-Horizon World Modeling -- Full Technical Report [39.20781986625199]
AlayaWorldは、24fpsの動画を540pと720pで生成する、インタラクティブなロングホライゾンビデオワールドモデルである。
AlayaWorldは15Bビデオ拡散トランスフォーマーをベースとして、カメラの軌道下で短時間の潜伏チャンクを自動回帰的に生成する。
iWorld-Benchでは、AlayaWorldは長距離世代よりも最高のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-07-20T17:15:41Z) - GlobalPaint: Spatiotemporal Coherent Video Outpainting with Global Feature Guidance [65.1747900492124]
ビデオの露光はフレームごとの可視性だけでなく、長距離の時間的コヒーレンスも必要である。
本稿では,コヒーレントなビデオ・アウトペイントのためのコヒーレントなビデオ・アウトペイント・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-10T03:20:26Z) - FrameDiffuser: G-Buffer-Conditioned Diffusion for Neural Forward Frame Rendering [7.4570191712029965]
本稿では,時間的に一貫したフォトリアリスティックなフレームを生成する自動回帰型ニューラルレンダリングフレームワークであるFrameDiffuserを紹介する。
我々は、モデルを個別の環境に特化し、広範囲な一般化よりも一貫性と推論速度を優先する。
論文 参考訳（メタデータ） (2025-12-18T15:41:08Z) - DriveGen3D: Boosting Feed-Forward Driving Scene Generation with Efficient Video Diffusion [62.589889759543446]
DriveGen3Dは、高品質で制御可能な動的3D駆動シーンを生成するための新しいフレームワークである。
本研究は,映像の高速化と大規模動的シーン再構築を融合させることにより,この手法のギャップを埋めるものである。
論文 参考訳（メタデータ） (2025-10-17T03:00:08Z) - TC-Light: Temporally Coherent Generative Rendering for Realistic World Transfer [47.22201704648345]
照明とテクスチャ編集はワールド・トゥ・ワールド・トランスファーにとって重要な次元である。
既存の技術は、ビデオのリライティングモデルや条件付き世界生成モデルなどのトランスファーを実現するために、入力ビデオを生成的に再レンダリングする。
我々はこれらの問題を克服するための新しい生成計算であるTC-Lightを提案する。
論文 参考訳（メタデータ） (2025-06-23T17:59:58Z) - DiffusionRenderer: Neural Inverse and Forward Rendering with Video Diffusion Models [83.28670336340608]
逆レンダリングとフォワードレンダリングの二重問題に対処するニューラルアプローチであるDiffusionRendererを導入する。
本モデルは,リライティング,素材編集,現実的なオブジェクト挿入など,単一のビデオ入力から現実的な応用を可能にする。
論文 参考訳（メタデータ） (2025-01-30T18:59:11Z) - GFFE: G-buffer Free Frame Extrapolation for Low-latency Real-time Rendering [14.496161390319065]
我々は、新しいフレームワークと効率的なニューラルネットワークを備えたGFFEを提案し、追加のレイテンシを導入することなく、新しいフレームをリアルタイムで生成する。
動的フラグメントと異なる種類の非閉塞の運動を分析し、対応するモジュールを設計する。
排他物を充填した後、遮蔽補正網を用いて遮蔽を補正し、全体的な品質を改善する。
論文 参考訳（メタデータ） (2024-05-23T18:35:26Z) - EvaSurf: Efficient View-Aware Implicit Textured Surface Reconstruction [53.28220984270622]
3次元再構成法はリアルタイムに3次元整合性のある高忠実度結果を生成する。
提案手法は,合成と実世界の両方のデータセット上で,高品質な外観と正確なメッシュを再構築することができる。
我々の方法は1つのGPUを使ってたった1～2時間でトレーニングでき、40FPS(Frames per second)以上のモバイルデバイス上で実行することができる。
論文 参考訳（メタデータ） (2023-11-16T11:30:56Z) - World-Consistent Video-to-Video Synthesis [35.617437747886484]
レンダリング中に過去のすべてのフレームを効率的に活用する新しいvid2vidフレームワークを提案する。
これは、これまでレンダリングされた3D世界を、現在のフレームの物理的に基底化された推定に凝縮することで達成される。
誘導画像に格納された情報を活用する新しいニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-07-16T17:58:13Z)
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。