論文の概要: Stabilizing Camera-Controlled Novel View Synthesis at Inference Time
- arxiv url: http://arxiv.org/abs/2609.03639v1
- Date: Thu, 03 Sep 2026 10:39:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.020389
- Title: Stabilizing Camera-Controlled Novel View Synthesis at Inference Time
- Title（参考訳）: カメラ制御による推論時の新しいビュー合成の安定化
- Abstract要約: 推定時のカメラモーションの注意深く制御することで、カメラ制御された新しいビュー合成の安定性を大幅に向上させることができることを示す。
RealEstate10KとMegaScene全体で、CamTrol++は時間的および幾何学的一貫性、下流の3D再構成品質、生成効率を改善している。
- 参考スコア（独自算出の注目度）: 18.23602972218021
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Training-free, camera-controlled novel view synthesis from a single image using pre-trained video diffusion models often becomes unstable under large camera motion and long generation horizons. Existing approaches commonly combine several inference-time components, making it unclear which design choices are most important for stability. We show that the main source of stability is simple. Decomposing camera motion into small autoregressive steps limits per-step geometric distortion and reduces error accumulation. A controlled camera-step study shows that performance remains stable for small motions and degrades more strongly as the per-step motion approaches $18$-$20^\circ$. We further evaluate geometry-constrained spatial attention and low-frequency appearance anchoring as supporting refinements, together with an efficient registration-free warping pipeline. Across RealEstate10K and MegaScene, CamTrol++ improves temporal and geometric consistency, downstream 3D reconstruction quality, and generation efficiency over training-free baselines. The method remains effective for 56-frame generation and under substantial controlled depth corruption. These results show that careful control of camera motion at inference time can substantially improve the stability of camera-controlled novel view synthesis without retraining or modifying the diffusion backbone.
- Abstract（参考訳）: 事前訓練されたビデオ拡散モデルを用いた1枚の画像から、トレーニング不要で、カメラ制御された新しいビュー合成は、大きなカメラモーションと長い世代の地平線の下で不安定になることが多い。
既存のアプローチでは、いくつかの推論時コンポーネントを組み合わせることが一般的であり、どの設計選択が安定性に最も重要であるかは明らかでない。
安定性の主源は単純であることを示す。
カメラの動きを小さな自己回帰ステップに分解すると、ステップごとの幾何学的歪みが制限され、エラーの蓄積が減少する。
制御されたカメラステップの研究は、小さな動きに対して性能が安定であり、ステップごとの動作が18ドル-20^\circ$に近づくと、より強く低下することを示している。
さらに,ジオメトリ制約された空間的注意と低周波出現アンカーを,効率的な登録不要なワープパイプラインとともに改良支援として評価した。
RealEstate10KとMegaScene全体で、CamTrol++は、時間的および幾何学的整合性、下流の3D再構成品質、トレーニング不要のベースラインに対する生成効率を改善している。
この方法は56フレーム生成に有効であり、かなりの制御深度破壊の下では有効である。
これらの結果から,撮影時のカメラ動作の注意制御は,拡散バックボーンの再トレーニングや修正を伴わずに,カメラ制御された新規ビュー合成の安定性を著しく向上させることができることがわかった。
関連論文リスト
- Directing the World: Fast Autoregressive Video Generation with Compositional Human-Camera Control [56.828569670698975]
デレクシング・ザ・ワールド(Directing the World)は、人体動作とカメラ軌道制御を備えた、制御可能な世界モデルビデオ生成のための高速自動回帰フレームワークである。
私たちのキーとなるアイデアは、前もって統合された自己回帰ビデオを保持しながら、制御学習を分離することです。
人間の動作制御のために、t誘導型動的投射機構と洗練されたモーション-CFG戦略を設計する。
論文 参考訳（メタデータ） (2026-06-26T11:08:09Z) - PAS3R: Pose-Adaptive Streaming 3D Reconstruction for Long Video Sequences [6.455635287305678]
PAS3Rはポーズ適応型ストリーミング再構成フレームワークで、カメラの動きやシーン構造に応じて動的に状態更新を変調する。
PAS3Rは、長いビデオシーケンスにおける軌道精度、深さ推定、点雲再構成の精度を著しく向上することを示す。
論文 参考訳（メタデータ） (2026-03-22T22:57:30Z) - VS3R: Robust Full-frame Video Stabilization via Deep 3D Reconstruction [8.43362854806854]
フィードフォワード3次元再構成と生成ビデオ拡散を相乗化するためのフレームワークであるVS3Rを提案する。
私たちのパイプラインは、すべてのシナリオの信頼性を確保するために、カメラパラメータ、深さ、マスクを共同で見積もっています。
Dual-Stream Video Diffusion Modelは、隠蔽された領域を復元し、セマンティックアンカーと構造的なガイダンスを相乗してアーティファクトを修正します。
論文 参考訳（メタデータ） (2026-03-06T03:15:06Z) - GaVS: 3D-Grounded Video Stabilization via Temporally-Consistent Local Reconstruction and Rendering [54.489285024494855]
ビデオの安定化は、元のユーザの動きの意図を保ちながら、望ましくないシャキネスを除去するので、ビデオ処理に欠かせない。
既存のアプローチは、運用するドメインによって、ユーザエクスペリエンスを低下させるいくつかの問題に悩まされます。
ビデオの安定化を時間的に一貫性のある局所的再構成とレンダリングのパラダイムとして再構成する,新しい3Dグラウンドアプローチである textbfGaVS を紹介する。
論文 参考訳（メタデータ） (2025-06-30T15:24:27Z) - LightMotion: A Light and Tuning-free Method for Simulating Camera Motion in Video Generation [56.64004196498026]
LightMotionは、ビデオ生成におけるカメラモーションをシミュレートするための軽量かつチューニング不要な方法である。
潜在空間で操作すると、追加の微調整、塗装、深さ推定がなくなる。
論文 参考訳（メタデータ） (2025-03-09T08:28:40Z) - Minimum Latency Deep Online Video Stabilization [77.68990069996939]
本稿では,オンラインビデオ安定化作業のための新しいカメラパス最適化フレームワークを提案する。
本研究では,近年の市販の高品位深度モーションモデルを用いて動き推定を行い,カメラの軌道を復元する。
我々の手法は、定性的にも量的にも最先端のオンライン手法を大きく上回っている。
論文 参考訳（メタデータ） (2022-12-05T07:37:32Z) - Self-Supervised Real-time Video Stabilization [100.00816752529045]
本稿では,リアルタイムビデオ安定化手法を提案する。
この動画は、まるでジンバルでリアルタイムで安定しているかのように、不安定な動画に変換します。
論文 参考訳（メタデータ） (2021-11-10T22:49:56Z) - Neural Re-rendering for Full-frame Video Stabilization [144.9918806873405]
まず,高密度ワープ場を推定し,フルフレーム映像安定化のためのアルゴリズムを提案する。
フルフレーム安定化フレームは、隣接するフレームから歪んだコンテンツを融合することで合成することができる。
論文 参考訳（メタデータ） (2021-02-11T18:59:45Z) - Deep Motion Blind Video Stabilization [4.544151613454639]
この研究は、新しいデータセットの助けを借りて、ビデオ安定化の過度に複雑化した定式化を解消することを目的としている。
より厳密な生成技術を用いて,モーションブラインドフルフレーム映像の安定化学習に成功した。
本手法は,現在利用可能な最速ビデオ安定化方式よりも$sim3times$の高速化を実現する。
論文 参考訳（メタデータ） (2020-11-19T07:26:06Z)
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。