論文の概要: Stream4D: 4D-Consistency for Streaming Autoregressive Diffusion Video Models

• arxiv url: http://arxiv.org/abs/2608.19556v1
• Date: Thu, 20 Aug 2026 01:54:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.433895
• Title: Stream4D: 4D-Consistency for Streaming Autoregressive Diffusion Video Models
• Title（参考訳）: Stream4D: 自己回帰拡散ビデオモデルのストリーミングのための4D一貫性
• Abstract要約: ストリーミング自動回帰拡散モデルにより、リアルタイムの長時間水平ビデオ生成が可能となる。 近年の双方向手法は3次元ガウス・スプラッティング再構成に基づく報酬信号を用いてこの問題に対処している。 本稿では,静的批評家をフィードフォワード4D復元報酬に置き換えるStream4Dを提案する。
• 参考スコア（独自算出の注目度）: 46.80064587266603
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Streaming autoregressive diffusion models enable real-time, long-horizon video generation, but their training objectives optimize local frame prediction rather than the geometry and dynamics of a coherent world: long rollouts accumulate geometric drift and degrade into static or unnatural motion. Recent bidirectional approaches address this problem using rewards signals built upon 3D Gaussian-Splatting reconstruction. However, a single rigid 3d reconstruction cannot model a dynamic scene, so this critic penalizes genuine object motion as reconstruction error and is maximized by freezing the video. This shortcut is especially detrimental in the AR setting, where each chunk can propagate an already-static configuration. In this work, we propose Stream4D, which replaces the static critic with a feed-forward 4D reconstruction reward that explicitly models scene dynamics, allowing coherent motion to receive high consistency rewards. To further guide motion magnitude and quality, we add a motion prior that rewards natural scene-flow magnitude while penalizing jitter and non-rigid artifacts. Our final recipe combines these two terms with a lightweight perceptual anchor. Across various autoregressive video backbones and various generation horizons, Stream4D improves 4D reconstruction quality, preserves motion more effectively, and achieves higher human-aligned preference. Project page: https://banyuanhao.github.io/Stream4D/
• Abstract（参考訳）: 自己回帰拡散モデルのストリーミングにより、リアルタイム、長距離ビデオ生成が可能になるが、そのトレーニングの目的は、コヒーレント世界の幾何学や力学よりも、局所的なフレーム予測を最適化することである。 近年の双方向手法は3次元ガウス・スプラッティング再構成に基づく報酬信号を用いてこの問題に対処している。 しかし、単一の剛性3d再構成は動的シーンをモデル化できないため、この批評家は本物の物体の動きを復元誤差としてペナルティ化し、映像を凍結することで最大化する。 このショートカットは、各チャンクがすでに静的な設定を伝搬できるAR設定において特に有害である。 本研究では,静的な批評家をフィードフォワード4D復元報酬に置き換えたStream4Dを提案する。 動きの大きさと品質をさらにガイドするために、ジッタや非厳密なアーティファクトをペナル化しながら、自然のシーンフローの大きさに報いる動きを前もって追加する。 最後のレシピは、これら2つの用語と、軽量の知覚アンカーを組み合わせています。 Stream4Dは、様々な自己回帰ビデオバックボーンと様々な世代水平線にまたがって、4D再構成の品質を改善し、より効果的に動きを保存し、より高い人間の好みを達成する。 プロジェクトページ: https://banyuanhao.github.io/Stream4D/

関連論文リスト

• MotionCrafter: Dense Geometry and Motion Reconstruction with a 4D VAE [95.16927402591227]
  MotionCrafterはビデオ拡散に基づくフレームワークで、4Dの幾何学を共同で再構築し、モノクロビデオから密度の高い動きを推定する。 そこで,MotionCrafterは,幾何再構成と密集したシーンフロー推定の両方において,最先端の性能を実現していることを示す。
  論文  参考訳（メタデータ） (2026-02-09T17:58:12Z)
• C4D: 4D Made from 3D through Dual Correspondences [77.04731692213663]
  時間的対応を利用して既存の3次元再構成を4Dに拡張するフレームワークであるC4Dを紹介する。 C4Dは、短期光学フローと長期点追跡の2種類の対応をキャプチャする。 我々は、追加の移動情報を提供する動的認識ポイントトラッカーを訓練する。
  論文  参考訳（メタデータ） (2025-10-16T17:59:06Z)
• Forge4D: Feed-Forward 4D Human Reconstruction and Interpolation from Uncalibrated Sparse-view Videos [27.595035122927204]
  本研究では,非校正されたスパースビュー映像からの時間的整列表現を効率よく校正するフィードフォワード4次元人間の再構成とモデルを提案する。 新たに,隣接する2つのフレーム間の3次元ガウス運動の高密度な動きを予測するための動き予測モジュールを設計した。 実験では、ドメイン内データセットとドメイン外データセットの両方において、モデルの有効性を示す。
  論文  参考訳（メタデータ） (2025-09-29T02:47:14Z)
• Restage4D: Reanimating Deformable 3D Reconstruction from a Single Video [56.781766315691854]
  ビデオ条件付き4D再生のための幾何学保存パイプラインである textbfRestage4D を紹介する。 DAVIS と PointOdyssey 上のRestage4D の有効性を検証し,幾何整合性,運動品質,3次元追跡性能の向上を実証した。
  論文  参考訳（メタデータ） (2025-08-08T21:31:51Z)
• EG4D: Explicit Generation of 4D Object without Score Distillation [105.63506584772331]
  DG4Dは、スコア蒸留なしで高品質で一貫した4Dアセットを生成する新しいフレームワークである。 私たちのフレームワークは、世代品質のベースラインをかなりのマージンで上回ります。
  論文  参考訳（メタデータ） (2024-05-28T12:47:22Z)
• SC4D: Sparse-Controlled Video-to-4D Generation and Motion Transfer [57.506654943449796]
  動作と外観を分離するSC4Dという,効率的でスパース制御されたビデオ・ツー・4Dフレームワークを提案する。 我々の手法は、品質と効率の両面で既存の手法を超越している。 動作を多種多様な4Dエンティティにシームレスに転送する新しいアプリケーションを考案する。
  論文  参考訳（メタデータ） (2024-04-04T18:05:18Z)

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。