論文の概要: A Chosen Future Can Still Be Rewritten: Causal Writability in Video Models

• arxiv url: http://arxiv.org/abs/2609.15980v1
• Date: Mon, 14 Sep 2026 17:58:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.578574
• Title: A Chosen Future Can Still Be Rewritten: Causal Writability in Video Models
• Title（参考訳）: 未来を振り返る:ビデオモデルにおける因果関係
• Abstract要約: モデル内には正しい動きが残っており、生成した映像を制御できる。 私たちは、赤い質量がゆっくりと振動し、青い質量が素早く振動するビデオをトレーニングします。 この矛盾するケースでモデルがスローモーションを生成しても、単純な物理変数から予測される低次元の編集は正しい高速モーションを復元する。
• 参考スコア（独自算出の注目度）: 18.044091031717993
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When a video model generates physically incorrect motion, did it fail to learn the correct motion, or did it learn it but fail to use it? We show the latter: the correct motion remains available inside the model and can still be made to control the generated video. We train on videos where red masses oscillate slowly and blue masses oscillate quickly, then test a red mass with fast observed motion. Even when the model generates slow motion in this conflicting case, a low-dimensional edit predicted from simple physical variables restores the correct fast motion. We call this ability causal writability. At fixed strength, we find a sharp depth boundary: the same edit changes the video before the boundary but not after it. This closure marks commitment for that write. The motion signal nevertheless remains, and a stronger downstream write can restore physical motion, while excessive gain overshoots. Early causal writability predicts which errors training later corrects: those errors are writable at more network depths than errors that persist. We reproduce both causal writability and its sharp closure in a pretrained 1.3B video model, supporting generality across model scale and training regime.
• Abstract（参考訳）: 動画モデルが物理的に不正確な動きを生成するとき、正しい動きを学べなかったのか、それとも、それを学べなかったのか? 後者を示す: 正しい動きはモデル内で引き続き利用可能であり、生成したビデオを制御するために作成することができる。 私たちは、赤い質量がゆっくりと振動し、青い質量が素早く振動するビデオをトレーニングします。 この矛盾するケースでモデルがスローモーションを生成しても、単純な物理変数から予測される低次元の編集は正しい高速モーションを復元する。 私たちはこの能力を因果の難しさと呼んでいる。 一定の強度では、シャープな奥行き境界を見つけます。同じ編集で、ビデオはバウンダリの前に変化しますが、そのあとには変わりません。 この閉鎖は、その書面へのコミットメントを示す。 それでも動作信号は残っており、より強い下流書き込みは物理的な動きを回復できるが、過剰なゲインオーバーシュートは可能である。 初期の因果性は、後のトレーニングでどのエラーが正しいかを予測します。 我々は、訓練済みの1.3Bビデオモデルにおいて、因果性と鋭い閉鎖性の両方を再現し、モデルスケールとトレーニング体制の一般性をサポートする。

関連論文リスト

• SIFT: Self-Imagination Fine-Tuning for Physically Plausible Motion in Video Diffusion Models [53.82339966194578]
  動きの絡み合い(英: Motion entanglement)は、カメラの動きや物体の動きのような独立した動き源の意図しない結合である。 本稿では,自作ビデオから学習できるSIFT(Self-Imagination Fine-Tuning)パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-06-26T05:39:40Z)
• LaMo: Self-Supervised Latent Motion Priors for Physical Realism in Video Generation [24.8120698643545]
  本稿では,現在の潜時とプロンプトに条件付きフレーム間潜時変化に先立って潜時動作を定式化するLaMoを提案する。 LaMoは既存のビデオ拡散バックボーンとプラグイン・アンド・プレイされており、アーキテクチャやI/Oの変更は不要である。 VideoPhyとVideoPhy2では、LaMoはCogVideoXバックボーンを改善し、外部監視を使用する最近の物理認識ベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-05-22T17:34:42Z)
• The TIME Machine: On The Power of Motion for Efficient Perception [10.074545631396383]
  本稿では,映像表現の中心となるモダリティとして動きを利用する新しい手法を提案する。 特に、ビデオ中の運動をポイントトラックの形で考えると、私たちはマスク付きオートエンコーダを使ってトラックの一部を隠蔽し、オートエンコーダを訓練し、行方不明のトラックを再構築する。 ビデオの表現にモーションを使うことは、ビデオ技術の中核的な限界の両方に実際に対処できることが示される。
  論文  参考訳（メタデータ） (2026-05-21T21:22:42Z)
• BAgger: Backwards Aggregation for Mitigating Drift in Autoregressive Video Diffusion Models [50.986189632485285]
  モデル自身のロールアウトから補正軌道を構築する自己教師型スキームであるバックワードアグリゲーション(BAgger)を導入する。 数段階の蒸留と分配整合損失に依存する従来のアプローチとは異なり、BAggerは標準的なスコアやフローマッチングの目的を持つ列車である。 因果拡散変換器でBAggerをインスタンス化し、テキスト・ツー・ビデオ、ビデオ・エクステンション、マルチプロンプト・ジェネレーションで評価する。
  論文  参考訳（メタデータ） (2025-12-12T23:02:02Z)
• MoAlign: Motion-Centric Representation Alignment for Video Diffusion Models [50.162882483045045]
  本研究では、予め訓練されたビデオエンコーダから非交叉運動部分空間を学習する動き中心アライメントフレームワークを提案する。 この部分空間は、地表面の光学的流れを予測し、真の運動力学を捉えるよう最適化されている。 次に,テキスト間拡散モデルの潜在的特徴をこの新たなサブスペースに整合させ,生成モデルが動きの知識を内部化し,より高機能なビデオを生成することを可能にする。
  論文  参考訳（メタデータ） (2025-10-21T19:05:23Z)
• TRAVL: A Recipe for Making Video-Language Models Better Judges of Physics Implausibility [70.24211591214528]
  ビデオ生成モデルは、浮動、テレポート、モーフィングのような直感的な物理法則に違反したシーケンスを生成する。 既存のビデオランゲージモデル(VLM)は、物理違反の特定に苦慮し、時間的および因果的推論における根本的な制限を明らかにしている。 我々は、バランスの取れたトレーニングデータセットと軌道認識型アテンションモジュールを組み合わせた微調整レシピTRAVLを導入し、モーションエンコーディングを改善する。 言語バイアスを除去し,視覚的時間的理解を分離する300本のビデオ(150本実写150本)のベンチマークであるImplausiBenchを提案する。
  論文  参考訳（メタデータ） (2025-10-08T21:03:46Z)
• Physics-Guided Motion Loss for Video Generation Model [8.083315267770255]
  現在のビデオ拡散モデルは視覚的に魅力的なコンテンツを生成するが、物理の基本法則に反することが多い。 モデルアーキテクチャを変更することなく、動きの可視性を向上する周波数領域物理を導入する。
  論文  参考訳（メタデータ） (2025-06-02T20:42:54Z)
• MotionFollower: Editing Video Motion via Lightweight Score-Guided Diffusion [94.66090422753126]
  MotionFollowerは、ビデオモーション編集のための軽量なスコア誘導拡散モデルである。 優れたモーション編集性能を提供し、大きなカメラの動きとアクションのみをサポートする。 最新のモーション編集モデルであるMotionEditorと比較して、MotionFollowerはGPUメモリの約80%の削減を実現している。
  論文  参考訳（メタデータ） (2024-05-30T17:57:30Z)
• Physics-Guided Human Motion Capture with Pose Probability Modeling [35.159506668475565]
  既存の解は常にキネマティックな結果を参照運動として採用し、物理は後処理モジュールとして扱われる。 本研究では,逆拡散過程における物理法則を用いて,モデル化されたポーズ確率分布から人間の動きを再構成する。 数回の反復で、物理に基づく追跡とキネマティック・デノゲーションは互いに促進し、物理的に妥当な人間の動きを生成する。
  論文  参考訳（メタデータ） (2023-08-19T05:28:03Z)
• Perpetual Motion: Generating Unbounded Human Motion [61.40259979876424]
  我々は、長期的な予測、つまり、人間の動きの長いシーケンスを生成することに焦点を当てる。 本研究では,非決定論的,テキストに変化する,永続的な人間の動きを生成するモデルを提案する。 我々は、これをホワイトノイズガウス過程のKL分岐の重み付き関数を用いて訓練し、潜時シーケンスの時間依存性を許容する。
  論文  参考訳（メタデータ） (2020-07-27T21:50:36Z)

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。