論文の概要: HALLELUAI: A Hallucination-Aware AI System for Ultra-Realistic Image-to-Video Generation at Scale
- arxiv url: http://arxiv.org/abs/2607.22959v1
- Date: Sat, 25 Jul 2026 00:02:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:14.949186
- Title: HALLELUAI: A Hallucination-Aware AI System for Ultra-Realistic Image-to-Video Generation at Scale
- Title（参考訳）: HALLELUAI:超現実的な画像-映像生成のための幻覚認識AIシステム
- Abstract要約: HALLELUAIは、エキスパートレベルのクリエイティブ標準を満たすために、画像からビデオまでの出力を適度に再生するエンドツーエンドシステムである。
それは、一貫したエンドユーザー品質のエクスペリエンス(QoE)を大規模に提供する、超現実的なビデオを提供する。
- 参考スコア（独自算出の注目度）: 1.069856137457197
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI-generated video is increasingly used across marketing, product storytelling, and creative workflows, yet automated; high-precision quality control remains a major constraint to scaling production. We present HALLELUAI, an end-to-end system that moderates and regenerates image-to-video outputs to meet expert-level creative standards and deliver ultra-realistic videos with consistent end-user quality of experience (QoE) at scale. The system integrates a video moderation module that evaluates frame-level aesthetics, temporal motion fidelity, and fine-grained hallucination risks relative to the source image, with an agentic regeneration module that iteratively fixes failures through prompt refinement, controlled camera adjustments, targeted model or image switching, and structured retry strategies. The moderation logic is aligned with domain-specific creative guidelines and produces granular, machine-actionable feedback that directly drives regeneration. In human-in-the-loop evaluations with creative experts, HALLELUAI shows strong alignment and reliably outputs ultra-realistic, production-grade videos suitable for product and marketing placements at scale. This framework advances trustworthy AI generated video content by enforcing visual realism, brand safety, and strict input-image fidelity while enabling image-to-video generation at scale.
- Abstract（参考訳）: AI生成ビデオは、マーケティング、プロダクトのストーリーテリング、クリエイティブワークフローでますます使われているが、自動化されている。
HALLELUAIは、画像と映像の出力を適度に再生し、エキスパートレベルのクリエイティブ標準を満たし、一貫したエンドユーザー品質のエクスペリエンス(QoE)を備えた超現実的なビデオを提供する、エンドツーエンドシステムである。
本システムは、フレームレベルの美観、時間的動きの忠実度、およびソース画像に対する微細な幻覚リスクを評価するビデオモデレーションモジュールと、即時改善、制御カメラ調整、ターゲットモデルまたは画像スイッチング、構造化された再試行戦略により、失敗を反復的に修正するエージェント再生モジュールとを統合する。
モデレーションロジックはドメイン固有の創造的ガイドラインと整合し、再生を直接駆動する、きめ細かいマシン操作可能なフィードバックを生成する。
HALLELUAIは、クリエイティブな専門家による人力による評価において、強力なアライメントを示し、製品やマーケティングの配置に適した超現実的でプロダクショングレードのビデオを確実に出力する。
このフレームワークは、視覚的リアリズム、ブランドの安全性、厳格な入力イメージの忠実さを強制し、画像から映像への生成を大規模に可能にし、信頼できるAI生成ビデオコンテンツを前進させる。
関連論文リスト
- Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence [73.39562379177796]
LingBot-Videoは、インテリジェンスを具体化するための、DiTベースのビデオ事前訓練のパラダイムだ。
データの観点からは、標準的なインターネットビデオにロボット指向の広範な映像を付加するデータプロファイリングエンジンを構築する。
トレーニングの観点から,身体的合理性とタスク完了に関するアライメントを強制する多次元報酬システムを開発する。
論文 参考訳（メタデータ） (2026-07-08T17:33:40Z) - EvalVerse: Pipeline-Aware and Expert-Calibrated Benchmarking for Professional Cinematic Video Generation [59.569634087474185]
EvalVerseは包括的でパイプライン対応で、専門家による評価フレームワークです。
まず、専門的な映画制作ワークフローに沿った評価分類にドメイン知識を整理する。
第2に、人間の専門家による判断を、大規模な人的アノテーションによるキュレートされたデータセットに蒸留する。
第3に、専門家による微調整戦略を通じて、この知識を視覚言語モデル(VLM)に注入する。
論文 参考訳（メタデータ） (2026-05-22T06:22:21Z) - DreaMontage: Arbitrary Frame-Guided One-Shot Video Generation [29.691765692687756]
DreaMontageは任意のフレーム誘導生成用に設計された包括的なフレームワークである。
多様なユーザが提供するインプットから、シームレスで表現力豊かで長期にわたるワンショットビデオを合成することができる。
論文 参考訳（メタデータ） (2025-12-24T16:00:15Z) - CreativeVR: Diffusion-Prior-Guided Approach for Structure and Motion Restoration in Generative and Real Videos [17.81372151946937]
CreativeVRはAIGC(AIGC)と、厳格な構造と時間的アーティファクトを備えた実ビデオのための拡散優先のビデオ復元フレームワークである。
我々のDeep-Adapter-based methodは、モデルが入力にどれだけ強く従うかを制御する単一の精度ノブを公開する。
CreativeVRは、厳しいアーティファクトを持つビデオの最先端の結果を達成し、標準的なビデオ復元ベンチマークで競争的に実行します。
論文 参考訳（メタデータ） (2025-12-12T22:03:14Z) - MoA-VR: A Mixture-of-Agents System Towards All-in-One Video Restoration [62.929029990341796]
実世界のビデオは、ノイズ、圧縮アーティファクト、低照度歪みなどの複雑な劣化に悩まされることが多い。
3つの協調エージェントによる人間のプロの推論・処理手順を模倣したMoA-VRを提案する。
具体的には、大規模かつ高解像度なビデオ劣化認識ベンチマークを構築し、視覚言語モデル(VLM)による劣化識別子を構築する。
論文 参考訳（メタデータ） (2025-10-09T17:42:51Z) - Towards Holistic Visual Quality Assessment of AI-Generated Videos: A LLM-Based Multi-Dimensional Evaluation Model [8.866376599966353]
我々はAIGVの視覚的品質を、技術品質、運動品質、ビデオ意味論の3つの次元に分解する。
様々な視覚・言語タスクにおける大規模言語モデル(LLM)の卓越した性能を考慮すると,LLMを品質回帰モジュールとして導入する。
NTIRE 2025 Quality Assessment of AI-Generated Content Challenge において,提案手法はtextbfsecond を達成した。
論文 参考訳（メタデータ） (2025-06-05T07:40:12Z) - LensCraft: Your Professional Virtual Cinematographer [12.512681517449868]
インディーの映画製作者からアニメーションスタジオまで、デジタルクリエイターたちは、創造的なビジョンを正確にカメラの動きに変換するという、永続的なボトルネックに直面している。
LensCraftは、データ駆動アプローチを使用して、プロの撮影技師の専門知識を模倣することで、この問題を解決する。
LensCraftは、高い出力品質を維持しながら、計算の複雑さを著しく低減し、推論を高速化する。
論文 参考訳（メタデータ） (2025-06-01T12:43:55Z) - RAGME: Retrieval Augmented Video Generation for Enhanced Motion Realism [73.38167494118746]
生成ビデオにおける動きのリアリズムを改善するための枠組みを提案する。
生成フェーズにおける検索機構の導入を提唱する。
私たちのパイプラインは、どんなテキスト間拡散モデルにも適用できるように設計されています。
論文 参考訳（メタデータ） (2025-04-09T08:14:05Z) - ARCON: Advancing Auto-Regressive Continuation for Driving Videos [7.958859992610155]
本稿では,ビデオ継続におけるLVM(Large Vision Models)の利用について検討する。
セマンティックトークンとRGBトークンを交互に生成するスキームであるARCONを導入し,LVMが高レベルな構造化映像情報を明示的に学習できるようにする。
自律走行シナリオの実験は、我々のモデルが一貫して長いビデオを生成できることを示しています。
論文 参考訳（メタデータ） (2024-12-04T22:53:56Z) - CinePreGen: Camera Controllable Video Previsualization via Engine-powered Diffusion [29.320516135326546]
CinePreGenは、エンジン駆動の拡散で強化された視覚前処理システムである。
グローバルなカメラ調整からローカルなカメラ調整まで、ダイナミックなコントロールを提供する新しいカメラとストーリーボードインターフェースを備えている。
論文 参考訳（メタデータ） (2024-08-30T17:16:18Z) - E2HQV: High-Quality Video Generation from Event Camera via
Theory-Inspired Model-Aided Deep Learning [53.63364311738552]
バイオインスパイアされたイベントカメラやダイナミックビジョンセンサーは、高時間分解能と高ダイナミックレンジでピクセルごとの明るさ変化(イベントストリームと呼ばれる)を捉えることができる。
イベントストリームを入力として取り出し、直感的な視覚化のために高品質なビデオフレームを生成する、イベント間ビデオ(E2V)ソリューションを求めている。
イベントから高品質なビデオフレームを生成するために設計された新しいE2VパラダイムであるtextbfE2HQVを提案する。
論文 参考訳（メタデータ） (2024-01-16T05:10:50Z) - Upscale-A-Video: Temporal-Consistent Diffusion Model for Real-World
Video Super-Resolution [65.91317390645163]
Upscale-A-Videoは、ビデオアップスケーリングのためのテキストガイド付き遅延拡散フレームワークである。
ローカルでは、一時的なレイヤをU-NetとVAE-Decoderに統合し、短いシーケンス内で一貫性を維持する。
また、テキストプロンプトによってテクスチャ生成と調整可能なノイズレベルをガイドし、復元と生成のバランスを取ることで、柔軟性も向上する。
論文 参考訳（メタデータ） (2023-12-11T18:54:52Z)
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。