論文の概要: Following Motion for Sequential Modeling in Video Frame Interpolation

• arxiv url: http://arxiv.org/abs/2608.22861v1
• Date: Mon, 24 Aug 2026 06:43:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.909322
• Title: Following Motion for Sequential Modeling in Video Frame Interpolation
• Title（参考訳）: ビデオフレーム補間における逐次モデリングの追従運動
• Authors: Jaehyun Park, Nam Ik Cho,
• Abstract要約: 状態空間モデル(SSM)はビデオフレーム補間(VFI)において有望なアーキテクチャとして浮上した 本稿では,ビデオフレーム補間(MGMVFI)のためのモーションガイドマンバを提案する。
• 参考スコア（独自算出の注目度）: 22.71397762551783
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: State Space Models (SSMs) have surfaced as a promising architecture in Video Frame Interpolation (VFI), as they can capture long-range dependencies with linear computational complexity. However, their predefined scanning order limits their effectiveness in modeling the dynamic motion trajectories inherent in VFI problems. To tackle this challenge, we propose Motion-Guided Mamba for Video Frame Interpolation (MGMVFI), an adaptation of the selective state space model tailored explicitly for VFI. MGMVFI introduces Motion-Guided Serialization (MGS), which leverages optical flow to define a motion-adaptive 1D input order for the SSM. This aligns the causal state updates with semantically related tokens, enabling motion-consistent feature propagation, particularly for large and dynamic motions. Additionally, to mitigate the unreliable feature representations caused by inaccurate optical flow estimates, we introduce contextual synthesis that utilizes the surrounding spatial context for robust inter-frame feature synthesis. These components are seamlessly integrated within our tailored Mamba architecture, which also employs a lightweight refinement block to enhance local detail reconstruction at a reduced computational cost. Extensive experiments on standard VFI benchmarks demonstrate that MGMVFI achievesstate-of-the-artperformance,particularly on complex and dynamic motions, thereby establishing a new direction for sequence modeling in video interpolation.
• Abstract（参考訳）: State Space Models (SSM) は、ビデオフレーム補間(VFI)において、線形計算複雑性で長距離依存関係をキャプチャできる有望なアーキテクチャとして浮上している。 しかし、それらの事前定義された走査順序は、VFI問題に固有の動的運動軌跡をモデル化する際の有効性を制限している。 この課題に対処するため,ビデオフレーム補間のためのMotion-Guided Mamba(MGMVFI)を提案する。 MGMVFIは、光学フローを利用してSSMのモーション適応型1D入力順序を定義する動き誘導シリアライゼーション(MGS)を導入している。 これは因果状態の更新を意味的に関連付けられたトークンと整合させ、特に大規模で動的な動きに対して、動きに一貫性のある特徴の伝播を可能にする。 さらに、不正確な光フロー推定によって生じる信頼できない特徴表現を緩和するために、周囲の空間的コンテキストを利用して、堅牢なフレーム間特徴合成を行うコンテキスト合成を導入する。 これらのコンポーネントは、我々の設計したMambaアーキテクチャにシームレスに統合され、軽量な改善ブロックを使用して、計算コストの削減による局所的な詳細再構築を向上する。 標準VFIベンチマークにおける広範囲な実験により、MGMVFIは、特に複雑な動きと動的動きにおいて、最先端の性能を達成することが示され、ビデオ補間におけるシーケンスモデリングの新しい方向性が確立された。

関連論文リスト

• MASS: Motion-Aligned Selective Scan for Refinement in Flow-Based Video Frame Interpolation [18.165045289069703]
  Motion-Aligned Selective Scan (MASS) は静的空間格子から動的運動軌跡へ特徴走査を再構成する新しいフレームワークである。 MASSは各ピクセルのフロー誘導軌道に沿って特徴系列を構築し、それをSSMで集約する。
  論文  参考訳（メタデータ） (2026-06-26T04:56:31Z)
• Generalizable Implicit Motion Modeling for Video Frame Interpolation [51.966062283735596]
  フローベースビデオフレーム補間(VFI)における動きの重要性 本稿では,動きモデリングVFIの新規かつ効果的なアプローチである一般インプリシット・モーション・モデリング(IMM)を紹介する。 我々のGIMMは、正確にモデル化された動きを供給することによって、既存のフローベースVFIワークと容易に統合できる。
  論文  参考訳（メタデータ） (2024-07-11T17:13:15Z)
• Spectral Motion Alignment for Video Motion Transfer using Diffusion Models [54.32923808964701]
  スペクトル運動アライメント(英: Spectral Motion Alignment、SMA)は、フーリエ変換とウェーブレット変換を用いて運動ベクトルを洗練・整列するフレームワークである。 SMAは周波数領域の正規化を取り入れて動きパターンを学習し、全体フレームのグローバルな動きのダイナミクスの学習を容易にする。 大規模な実験は、様々なビデオカスタマイズフレームワーク間の計算効率と互換性を維持しながら、モーション転送を改善するSMAの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-22T14:47:18Z)

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。