論文の概要: PACE: Precise AI Cinematic Expression
- arxiv url: http://arxiv.org/abs/2609.19853v2
- Date: Fri, 18 Sep 2026 02:37:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.714387
- Title: PACE: Precise AI Cinematic Expression
- Title（参考訳）: PACE: 精密AIシネマティック表現
- Abstract要約: PACE(Precise AI Cinematic Expression, 精密AIシネマティック表現)は, 画面の型付き表現である。
カメラソルバは、宣言されたフレーミングが構築されるようにカメラを配置します。
11シーンのAutomatic Drive画面では、各ステージのシングルオブジェクトパネルが被写体を宣言された位置の1.2%のフレーム幅に配置する。
- 参考スコア（独自算出の注目度）: 5.540396814878452
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Between a screenplay and a film sits a planning problem that is spatial first: who stands where, and what a camera sees from where it stands. An image diffusion model asked for a shot in free text settles that plan by its own defaults. We present PACE (Precise AI Cinematic Expression), a typed representation for the plan: the screenplay evidence, the characters, props and locations it needs, where each subject stands, and what the camera does. A value is written once at the level it belongs to (script, scene, shot or panel) and inherited below it. A compiler turns the result into both the prompt sent to the diffusion model and a 3D scene built in metres, and a camera solver places the camera so that the declared framing is the framing built. Where a declared value becomes geometry, PACE measures, field by field, how far the compiled camera and the staged render sit from the declaration, rather than asking a model to judge. On the 11-scene Automatic Drive screenplay, every staged single-subject panel places its subject within 1.2% of frame width of its declared position; with two or three subjects one camera pose cannot satisfy every position, and the residual is reported rather than absorbed. On 204 external director-storyboard shots, delivered head height is 1.906 times the staged target from the director's words, 1.733 from the compiled prompt, and 0.955 with the greybox control; the condition that holds framing best draws the described action least. Declaring the pose on 30 shots raises the action drawn from 58.9% to 74.4% without moving the framing. Transitions, fitted motion and human review of the generated panels remain open. Code: https://github.com/StudioPiLabs/pace-core
- Abstract（参考訳）: スクリーンプレイと映画の間には、空間的に第一となる計画上の問題があります。
画像拡散モデルは、自由テキストでショットを要求され、そのプランをデフォルトで解決する。
PACE(Precise AI Cinematic Expression、精密AIシネマティック表現)は、脚本のエビデンス、キャラクター、小道具、必要な場所、各被験者の立ち位置、カメラが何をしているかといった、計画の型付き表現である。
値は、それが属するレベル(スクリプト、シーン、ショット、パネル)で一度書かれ、その下に継承される。
コンパイラーは、結果を拡散モデルに送信したプロンプトと、メートルで構築された3Dシーンの両方に変換し、カメラソルバは、宣言されたフレーミングがフレーミングであるようにカメラを配置する。
宣言された値が幾何学的になる場合、PACEは、フィールドごとのフィールド計測、コンパイルされたカメラとステージ化されたレンダリングが、モデルに判断を求めるのではなく、宣言からどのくらいの距離にあるかを計測する。
11シーンのオートマチック・ドライブ・スクリーンプレイでは、各ステージのシングルオブジェクト・パネルが被写体を宣言された位置のフレーム幅の1.2%の範囲に配置する。
外部の204枚のストーリーボードショットでは、頭の高さは監督の言葉の1.906倍、コンパイルされたプロンプトの1.733倍、グレーボックス制御の0.955である。
30発のショットでポーズを宣言すると、フレーミングを動かさずに58.9%から74.4%に上昇する。
遷移、装着された動き、生成したパネルの人間のレビューは未解決のままである。
コード:https://github.com/StudioPiLabs/pace-core
関連論文リスト
- CinemaTraj: Composing Atomic Camera Trajectories for 3D Scenes with LLM Agents [14.879115975370842]
CinemaTrajは、カメラの軌道計画を言語による空間的推論問題として再構成するフレームワークである。
高速で、無衝突で、高い撮影品質の軌道を発生させる。
論文 参考訳（メタデータ） (2026-07-29T13:41:52Z) - LangLoc: "Tell Me What You See" [62.742423478661316]
自然言語からのきめ細かい屋内局所化に取り組む。
周囲の自由形式の記述を与えられた場合、観測者の2次元位置を推定し、既知の3次元環境内に向かう。
LangLocはCLIPセマンティック機能を備えたデュアルブランチのGATv2エンコーダを通じて正しいシーンを取得する。
論文 参考訳（メタデータ） (2026-07-06T13:39:22Z) - CineCap: Structured Reasoning with Spatio-Temporal Anchors for Cinematographic Video Captioning [17.457944487441697]
シネマトグラフィーキャプションは、カメラ、ショットサイズ、深度、組成、撮影角度といった映画言語の概念を用いて、ビデオがどのように撮影されるかを記述することを目的としている。
この機能は、微細なビデオ理解と制御可能な映画品質ビデオ生成において重要であるが、既存のマルチモーダルな大規模言語モデルでは未探索である。
CineCapは、構造化推論を原子時間アンカーと組み合わせたフレームワークであり、強化学習を包括性、精度、カバレッジの報酬で行う。
論文 参考訳（メタデータ） (2026-06-23T14:29:40Z) - DramaDirector: Geometry-Guided Short Drama Generation [51.430988173490384]
本研究では,プロット・トゥ・ショート・ドラマ生成について検討し,プロット・トゥ・ショート・ドラマ生成において,グローバル・プロットとローカル・コンテクストを視覚的にグラウンド化されたマルチショット・ビデオに変換する。
そこで,本研究では,映像ギャラリーから映像幾何学を借用可能な幾何学的枠組みであるDramaDirectorを提案する。
また、35のライブアクションドラマ、2.8Kエピソード、81Kショットで作られたベンチマークであるDramaBoardを紹介します。
論文 参考訳（メタデータ） (2026-06-23T03:50:28Z) - Auteur: Language-Driven Cinematographic Framing for Human-Centric Video Generation [48.49793109378558]
生成ビデオにおける言語駆動型人中心カメラフレーミングの手法であるAuteurを提案する。
Auteurは、人中心のシーンの撮影フレーミングを可能にする。
論文 参考訳（メタデータ） (2026-06-01T08:41:01Z) - PoseRefer: Pathway-Local Parameters for Semantically Grounded Reference Resolution [0.6345523830122167]
MM-Convは、全体モーションキャプチャーと3Dシーングラフとともに、ダイアディックVRインタラクションから自然なコ音声ジェスチャーをキャプチャする。
我々は、ポーズとテキストの経路が学習パラメータを共有できない非結合のレイトフュージョンアーキテクチャを用いて、ポーズ言語融合を評価する。
論文 参考訳（メタデータ） (2026-05-23T15:20:04Z) - PhotoFlow: Agentic 3D Virtual Photography Missions [24.105785278409584]
PhotoFlowはクローズドループカメラサーチのためのディレクター・リビューア・リフレクターエージェントである。
PhotoFlowは、ワンショット予測、シングルチェーンリフレクション、アンカーバンク選択、ランダム検索において、最強の外部品質調整合成と成功率を達成する。
これは、任意のブレンダーシーンで言語条件の仮想写真を作成するための最初の作業である。
論文 参考訳（メタデータ） (2026-05-22T15:40:52Z) - RoamScene3D: Immersive Text-to-3D Scene Generation via Adaptive Object-aware Roaming [79.81527946524098]
RoamScene3Dはセマンティックガイダンスと空間生成のギャップを埋める新しいフレームワークである。
我々は、オブジェクト関係を符号化するシーングラフを構築するために、視覚言語モデル(VLM)を用いる。
静的な2Dプリミティブの制約を軽減するため、合成パノラマデータセットに微調整されたモーションインジェクトインペインティングモデルを導入する。
論文 参考訳（メタデータ） (2026-01-27T10:10:55Z) - HouseTour: A Virtual Real Estate A(I)gent [80.36635722117329]
本研究では,空間認識型3次元カメラ軌道と自然言語要約生成手法であるHouseTourを紹介する。
提案手法は,カメラのポーズに制約された拡散過程によってスムーズな映像トラジェクトリを生成する。
我々は3Dガウススプラッティングを用いて最終映像を合成し、軌道に沿って新しいビューを描画する。
論文 参考訳（メタデータ） (2025-10-20T19:47:35Z) - 3D Scene Prompting for Scene-Consistent Camera-Controllable Video Generation [55.29423122177883]
3DScenePromptは任意の長さの入力から次のチャンクを生成するフレームワークである。
カメラの制御とシーンの一貫性の維持を可能にする。
我々のフレームワークは、シーンの一貫性、カメラ制御性、生成品質において、既存の手法よりも大幅に優れています。
論文 参考訳（メタデータ） (2025-10-16T17:55:25Z)
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。