論文の概要: MOSH-WM: Mask-Grounded Soft-Hamiltonian Dynamics for Object-Centric World Models
- arxiv url: http://arxiv.org/abs/2608.22750v1
- Date: Mon, 24 Aug 2026 03:17:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.876642
- Title: MOSH-WM: Mask-Grounded Soft-Hamiltonian Dynamics for Object-Centric World Models
- Title（参考訳）: MOSH-WM:物体中心世界モデルのためのマスク周囲ソフトハミルトンダイナミクス
- Abstract要約: Methodはマスクで座ったソフト・ハミルトンの世界モデルであり、位置のような状態をスロット所有の画像サポートに明示的に依存させる。
6つの観測フレームが与えられ、以下の30フレームで評価されたOBJ3Dでは、LPIPSを25.0%、空間MSEを33.7%削減する。
- 参考スコア（独自算出の注目度）: 15.781217374612238
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Object-centric world models forecast future videos by evolving a set of entity slots, but the variables receiving dynamics supervision are often unconstrained visual features. We introduce \method{}, a mask-grounded soft-Hamiltonian world model that makes its position-like state explicitly depend on slot-owned image support. A frozen video-slot encoder produces slots and masks; spatial moments of mask-owned support form a canonical state $Q$, temporal differences form $P$, and a learned energy supplies a soft directional bias to a bounded learned increment. Decoder-relevant appearance and identity are stored separately in a causal visual context. A gated composer and bounded residual then combine this context with the propagated phase state to reconstruct decoder-compatible slots. On OBJ3D, given six observed frames and evaluated over the following 30 frames, \method{} reduces LPIPS by 25.0\% and spatial MSE by 33.7\% relative to the strongest object-centric baseline. On CLEVRER, given six observed frames and evaluated over the following ten frames, the corresponding reductions are 14.5\% and 18.7\%. Horizon-resolved visual and object-state measurements show that the complete model accumulates error more slowly throughout the 30-frame closed-loop rollout. Project page:https://github.com/moshwm-anon/-moshwm-anon.github.io.
- Abstract（参考訳）: オブジェクト中心の世界モデルは、エンティティスロットのセットを進化させることで、将来のビデオを予測するが、動的に監督される変数は、しばしば制約のない視覚的特徴である。
マスクグラウンドのソフト・ハミルトン世界モデルである 'method{} を導入し、その位置のような状態をスロット所有の画像サポートに明示的に依存させる。
冷凍ビデオスロットエンコーダはスロットとマスクを生成し、マスク所有サポートの空間モーメントは標準状態$Q$、時間差は$P$、学習エネルギーは有界学習インクリメントにソフト指向バイアスを与える。
デコーダ関連外観とアイデンティティは、因果的な視覚的文脈で別々に記憶される。
ゲート作曲家と有界残差は、このコンテキストを伝播相状態と組み合わせてデコーダ互換スロットを再構築する。
OBJ3Dでは、6つの観測フレームが与えられ、以下の30フレームで評価され、 \method{} は LPIPS を 25.0 %、空間 MSE を 33.7 % 削減する。
CLEVRERでは、6つの観測フレームが与えられ、以下の10フレームで評価され、対応する還元率は14.5\%と18.7\%である。
水平分解されたビジュアルおよびオブジェクト状態の測定により、完全なモデルが30コマのクローズドループロールアウトを通してよりゆっくりとエラーを蓄積することが示された。
プロジェクトページ:https://github.com/moshwm-anon/-moshwm-anon.github.io
関連論文リスト
- PhysMLLMs: Spatial Priors for Unified Referring Segmentation and Grounded Reasoning of Images and Videos [116.62982600141608]
ビデオ大言語モデルは、言語ガイド付きビデオセグメンテーションをサポートするが、時間的不整合を示すことが多い。
本稿では、物理にインスパイアされた空間連続性をビデオMLLMに注入する訓練段階のプレインジェクションアーキテクチャであるPhysMLLMを提案する。
複数のビデオベンチマークを通じて、PhysMLLMsはビデオセグメンテーションマスクの品質とクロスフレーム一貫性を改善している。
論文 参考訳（メタデータ） (2026-08-25T14:01:59Z) - MOSS-Video-Preview: Toward Real-Time Video Understanding via Cross-Attention [53.80990122465395]
クロスアテンションバックボーンは、一般的なデコーダのみの設計よりもリアルタイムの視覚言語融合に適していることを示す。
我々のモデルはQwen2.5-VL-7Bベースライン全体に続く。
256フレームの1つのH200では、最初のトークンの5倍のスピードアップを実現している。
論文 参考訳（メタデータ） (2026-06-01T09:07:15Z) - HCLSM: Hierarchical Causal Latent State Machines for Object-Centric World Modeling [0.0]
HCLSMは、オブジェクト中心分解、空間放送復号化、階層的時間力学の3つの原理で機能する。
システムは51モジュールにまたがる8,478行のPythonにまたがっており、171のユニットテストがある。
論文 参考訳（メタデータ） (2026-03-31T00:11:29Z) - Articulated 3D Scene Graphs for Open-World Mobile Manipulation [55.97942733699124]
本報告では, セマンティックな3次元シーングラフを構築するためのフレームワークであるMoMa-SGについて述べる。
新たな統合的ツイスト推定法を用いて調音モデルを推定する。
また,Arti4D-Semanticデータセットについても紹介する。
論文 参考訳（メタデータ） (2026-02-18T10:40:35Z) - VideoMolmo: Spatio-Temporal Grounding Meets Pointing [66.19964563104385]
VideoMolmoは、ビデオシーケンスのきめ細かいポインティングに適したモデルだ。
新しい仮面融合はSAM2を双方向の点伝播に用いている。
The generalization of VideoMolmo, we introduced VPoMolS-temporal, a challenge out-of-distribution benchmark across two real-world scenarios。
論文 参考訳（メタデータ） (2025-06-05T17:59:29Z) - Learning Multi-frame and Monocular Prior for Estimating Geometry in Dynamic Scenes [56.936178608296906]
我々は,MMPと呼ばれる新しいモデルを提案し,その形状をフィードフォワード方式で推定する。
近年のシームズアーキテクチャに基づいて,新しい軌道符号化モジュールを導入する。
MMPはフィードフォワードのポイントマップ予測において最先端の品質を実現することができる。
論文 参考訳（メタデータ） (2025-05-03T08:28:15Z) - STAF: 3D Human Mesh Recovery from Video with Spatio-Temporal Alignment
Fusion [35.42718669331158]
既存のモデルは、通常、空間的・時間的情報を無視し、メッシュや画像の不一致や時間的不連続につながる可能性がある。
ビデオベースのモデルとして、注意に基づくテンポラルコヒーレンス融合モジュールによる人間の動きからのコヒーレンスヒントを利用する。
さらに,モデルが対象のフレームだけでなく,入力シーケンス全体に集中できるように,平均プールモジュール(APM)を提案する。
論文 参考訳（メタデータ） (2024-01-03T13:07:14Z) - Stand-Alone Inter-Frame Attention in Video Models [164.06137994796487]
フレーム間アテンションブロック,すなわちスタンドアローン時空間アテンション(SIFA)の新たなレシピを提案する。
SIFAは、2つのフレームの違いによってオフセット予測を再スケーリングすることで、変形可能な設計を再構築する。
さらに、SIFAブロックをConvNetsとVision Transformerにプラグインし、SIFA-NetとSIFA-Transformerを考案する。
論文 参考訳（メタデータ） (2022-06-14T15:51:28Z) - Spatial Feature Calibration and Temporal Fusion for Effective One-stage
Video Instance Segmentation [16.692219644392253]
本稿では,空間キャリブレーションと時間融合による一段階ビデオインスタンスセグメンテーションフレームワークであるstmaskを提案する。
YouTube-VIS検証セットの実験では、提案されたSTMaskとResNet-50/-101のバックボーンが33.5 %/36.8 %のマスクAPを取得し、ビデオインスタンスセグメンテーションでは28.6 / 23.4 FPSを達成した。
論文 参考訳（メタデータ） (2021-04-06T09:26:58Z)
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。