論文の概要: GeoRoute: Geometry-Aware Hybrid Inference for Traffic Future-Frame Prediction
- arxiv url: http://arxiv.org/abs/2608.09493v1
- Date: Mon, 10 Aug 2026 12:01:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.247092
- Title: GeoRoute: Geometry-Aware Hybrid Inference for Traffic Future-Frame Prediction
- Title（参考訳）: GeoRoute:交通の将来予測のための幾何学的ハイブリッド推論
- Abstract要約: 長距離将来の予測は、自動運転、交通監視、インテリジェント交通システムにとって重要である。
最近の遅延ビデオ拡散モデルは目覚ましい視覚的品質を達成しているが、それらを構造化された交通シーンに直接適用すると、しばしば不安定な幾何学に繋がる。
本稿では,事前訓練された映像予測において,信頼度の高い静的構造を安定化する学習自由推論フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.8091286187898472
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Long-horizon future-frame prediction is important for autonomous driving, traffic surveillance, and intelligent transportation systems, yet remains challenging due to temporal ghosting, geometry drift, and inconsistent object motion. Recent latent video diffusion models have achieved impressive visual quality, but directly applying them to structured traffic scenes often leads to unstable geometry and degraded temporal coherence over extended horizons. We present a training-free inference framework that stabilizes reliable static structure in pretrained video predictions through multi-frame temporal context and view-conditioned routing. For front-camera videos, our method refines generated futures with a multi-frame depth-layered renderer that projects static geometry from observed history frames while preserving dynamic regions from the generative base model. For heterogeneous traffic views, a frozen vision-language model infers a coarse camera group from the observed clip and selects a specialized motion-based predictor. The framework requires neither retraining nor fine-tuning of the underlying video model and can be applied directly to pretrained generators. We validate the proposed framework on the AI City Challenge Track 5 benchmark, where our final system achieves competitive performance among the top-ranked teams. These results demonstrate that geometry-aware inference-time refinement and view-conditioned hybrid inference can improve static-geometry stability and low-level structural fidelity without changing the original model architecture.
- Abstract（参考訳）: 長距離将来の予測は、自律走行、交通監視、インテリジェント交通システムにおいて重要であるが、時空のゴースト、幾何学的ドリフト、一貫性のない物体の動きのために依然として困難である。
最近の遅延ビデオ拡散モデルは目覚ましい視覚的品質を達成しているが、それらを構造化された交通シーンに直接適用すると、しばしば不安定な幾何学や時間的コヒーレンス(英語版)が拡張地平線上で低下する。
本稿では,複数フレームの時間的コンテキストとビュー条件付きルーティングを用いて,事前学習したビデオ予測の静的構造を安定化する学習自由推論フレームワークを提案する。
本手法は, 複数フレームの深層化レンダラを用いて, 生成ベースモデルから動的領域を保存しながら, 観測された履歴フレームから静的な幾何学を投影する。
不均一なトラフィックビューでは、凍結された視覚言語モデルが観察されたクリップから粗いカメラ群を推測し、特殊な動きに基づく予測器を選択する。
このフレームワークは、基礎となるビデオモデルのトレーニングや微調整は必要とせず、事前訓練されたジェネレータに直接適用することができる。
我々は、AIシティチャレンジトラック5ベンチマークで提案されたフレームワークを検証する。
これらの結果は,幾何学的推論時間改善とビュー条件付きハイブリッド推論が,元のモデルアーキテクチャを変更することなく静的幾何学的安定性と低レベルの構造的忠実性を向上させることを示す。
関連論文リスト
- SNM-VFI: Symmetric Nonlinear Motion-Guided Generative Video Frame Interpolation [54.26896703895789]
本稿では,事前学習した光フローと映像拡散モデルを用いたモーションコントロール可能な映像フレームの学習自由フレームワークを提案する。
SNM-VFIは、多様な動きシナリオにおける強い知覚品質、競争的再構成精度、堅牢な時間的コヒーレンスを実現する。
論文 参考訳（メタデータ） (2026-08-13T16:43:49Z) - InfiniVerse: Occupancy Guided Unbounded Scene Generation for Autonomous Driving [70.7737035270887]
InfiniVerseは、単一のフレームから動的都市シーンを合成するための統合パイプラインである。
InfiniVerseは6.4のFIDと67.97のFVDで最先端のパフォーマンスを達成し、持続時間と安定性の両方で既存のベンチマークを著しく上回っている。
論文 参考訳（メタデータ） (2026-06-30T04:08:22Z) - GeoStream: Toward Precise Camera Controlled Streaming Video Generation [85.01823220801256]
既存のアプローチはカメラの動きを暗黙的に学習し、アウト・オブ・ディストリビューション・トラジェクトリの下で不正確な制御をもたらす。
厳密な幾何学的条件付けにより制御性が向上するが、既存の手法は非自己回帰的である。
自動回帰ストリーミングビデオ生成における高精度なメカニカルカメラ制御を実現するフレームワークであるGeoStreamを提案する。
論文 参考訳（メタデータ） (2026-06-13T07:18:04Z) - Drift-Resistant Navigation World Model with Anchored Epipolar Guidance [81.52175010905665]
本稿では,従来のロールアウト型ナビゲーションワールドモデルにおいて,知覚的ドリフトと幾何学的ドリフトの両方を緩和する生成モデルであるDrift-Resistant Navigation World Modelを提案する。
まず、安定な長距離ターゲットとして機能するスパース未来のアンカーを予測し、その後、過去のコンテキストと将来のアンカーの両方で条件付けられた各チャンク内で中間フレームを生成する。
4つのベンチマークの実験では、長期の視覚的品質、幾何的一貫性、多視点コヒーレンスにおいて、強いベースラインよりも一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-05-23T22:47:33Z) - Can Video Diffusion Models Predict Past Frames? Bidirectional Cycle Consistency for Reversible Interpolation [25.677744104220853]
ビデオフレームは、特定の動作セマンティクスに固執しながら、所定のエンドポイント間で現実的な中間フレームを合成することを目的としている。
本稿では,前向きと後向きの軌跡の対称性を強制する新しい双方向フレームワークを提案する。
本手法は,37フレームと73フレームの両方のタスクにおいて,画像品質,運動の滑らかさ,動的制御における最先端性能を実現する。
論文 参考訳（メタデータ） (2026-04-02T06:58:46Z) - TrajLoom: Dense Future Trajectory Generation from Video [17.78215938363174]
本稿では,過去の映像から将来の軌跡や軌跡を予測するフレームワークを提案する。
最先端手法と比較して,提案手法は24フレームから81フレームまでの予測地平線を延長する。
予測された軌道は、下流のビデオ生成と編集を直接サポートする。
論文 参考訳（メタデータ） (2026-03-23T22:10:58Z) - Geometry-Aware Rotary Position Embedding for Consistent Video World Model [48.914346802616414]
ViewRopeは、ビデオトランスフォーマーの自己アテンション層に直接カメラの方向を注入するジオメトリ対応のエンコーディングである。
Geometry-Aware Frame-Sparse Attentionは、これらの幾何学的手がかりを利用して、関連する歴史的なフレームに選択的に参加する。
この結果から,ViewRopeは長期的整合性を大幅に向上し,計算コストを低減できることがわかった。
論文 参考訳（メタデータ） (2026-02-08T08:01:16Z) - Online Long-term Point Tracking in the Foundation Model Era [0.0]
ポイントトラッキングは、ビデオフレーム全体で同じ物理点を識別することを目的としており、動きの幾何学的表現として機能する。
この論文は、将来の情報にアクセスせずにフレームを逐次処理するオンライン環境での長期的ポイントトラッキングの問題に対処する。
本稿では,各トラックポイントを問合せとして扱い,ビデオフレームを1回ずつ処理するトランスフォーマーベースのモデルであるTrack-Onを紹介する。
論文 参考訳（メタデータ） (2025-07-12T09:24:28Z) - Tracktention: Leveraging Point Tracking to Attend Videos Faster and Better [61.381599921020175]
時間的一貫性は、出力が一貫性があり、アーティファクトがないことを保証するために、ビデオ予測において重要である。
時間的注意や3D畳み込みといった伝統的な手法は、重要な物体の動きに苦しむことがある。
本稿では,ポイントトラックを用いた動き情報を明示的に統合する新しいアーキテクチャコンポーネントであるトラックキート・レイヤを提案する。
論文 参考訳（メタデータ） (2025-03-25T17:58:48Z) - STDepthFormer: Predicting Spatio-temporal Depth from Video with a
Self-supervised Transformer Model [0.0]
ビデオ入力と空間的時間的注意ネットワークから,映像のフレーム列を同時に予測する自己教師型モデルを提案する。
提案モデルでは,物体形状やテクスチャなどの事前のシーン知識を,単一画像深度推定法に類似した手法で活用する。
マルチオブジェクト検出、セグメンテーション、トラッキングを含む複雑なモデルを必要とするのではなく、暗黙的にシーン内のオブジェクトの動きを予測することができる。
論文 参考訳（メタデータ） (2023-03-02T12:22:51Z)
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。