論文の概要: MotionSpec: Spectral Trajectory Supervision for Motion-Consistent Video Generation

• arxiv url: http://arxiv.org/abs/2609.28095v1
• Date: Wed, 23 Sep 2026 13:28:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.045457
• Title: MotionSpec: Spectral Trajectory Supervision for Motion-Consistent Video Generation
• Title（参考訳）: MotionSpec: モーション一貫性ビデオ生成のためのスペクトル軌道スーパービジョン
• Abstract要約: スペクトル軌道整合性(STC)を中心とした運動監視フレームワークであるMotionSpecを提案する。 STCは、時間的周波数と時間的運動の組織にわたって運動強度を制限している。 実験により、MotionSpecは、視覚的忠実性を維持しながら、動きの一貫性、時間的コヒーレンス、妥当性を一貫して改善することが示された。
• 参考スコア（独自算出の注目度）: 8.009301677557692
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in text-to-video generation have enabled high-fidelity visual synthesis, yet realistic motion remains challenging. Generated videos may exhibit temporal discontinuities, inconsistent action progression, and structural distortions during complex movements. Even when individual frames appear realistic, the underlying motion may evolve in inconsistent or implausible ways. Standard generative objectives provide limited motion-specific supervision, leaving motion evolution insufficiently constrained. In this paper, we propose MotionSpec, a motion supervision framework centered on Spectral Trajectory Consistency (STC). STC constructs dense anchor-relative motion trajectories and transforms them into motion spectral volumes via a temporal Fourier transform. By aligning the spectral amplitude and phase of predicted and target trajectories, STC constrains both motion strength across temporal frequencies and the temporal organization of motion. To complement this trajectory-level supervision, we introduce Local Flow Consistency (LFC), which aligns consecutive-frame optical flow between predicted and target videos to stabilize local motion transitions. Experiments demonstrate that MotionSpec consistently improves motion consistency, temporal coherence, and plausibility while preserving visual fidelity.
• Abstract（参考訳）: 近年のテキスト・ビデオ生成の進歩により高忠実な視覚合成が可能になったが、現実的な動きは依然として困難である。 生成されたビデオは、時間的不連続性、一貫性のない動作の進行、複雑な動きにおける構造的歪みを示す。 個々のフレームが現実的に見えるとしても、基盤となる動きは一貫性のない、あるいは不確実な方法で進化する可能性がある。 標準的な生成目的は、運動固有の監督を制限し、運動の進化を十分に制限する。 本稿では,スペクトル軌道整合性(STC)に着目した運動監視フレームワークであるMotionSpecを提案する。 STCは密度の高いアンカー相対運動軌道を構築し、時間的フーリエ変換によって運動スペクトル体積に変換する。 予測軌道と目標軌道のスペクトル振幅と位相を整列させることにより、STCは時間周波数と時間運動の時間的構造にまたがる運動強度を制約する。 この軌道レベルの監視を補完するために、予測ビデオと対象ビデオの間に連続的なフレーム光フローを整列させて局所的な動き遷移を安定化するローカルフロー整合性(LFC)を導入する。 実験により、MotionSpecは、視覚的忠実性を維持しながら、動きの一貫性、時間的コヒーレンス、妥当性を一貫して改善することが示された。

関連論文リスト

• MotionPhys: Detecting AI-Generated Videos via Physical Consistency of Optical-Flow Trajectories [23.111071311995957]
  運動軌跡を物理的証拠として扱う軽量フレームワークであるMotionPhysを紹介する。 複数の時間スケールにわたる軌跡の幾何学的進化をモデル化することにより、MotionPhysは微妙な動きの不整合を明らかにする。 複数のデータセットの実験では、MotionPhysが生成されたビデオの物理的不整合を効果的に検出できることが示されている。
  論文  参考訳（メタデータ） (2026-08-21T06:29:35Z)
• Follow Your Track: Precise Skeleton Animation Controlled by 3D Trajectories [93.39170866007431]
  4Dジェネレーションは、3Dオブジェクトをリアルなモーションでアニメーション化することを目的としており、アプリケーションには大きな可能性を秘めている。 既存の方法は通常、モーション合成から3Dアセット生成を分離する。 トポロジ一般骨格アニメーションのための軌道条件付きフレームワークである textttACT について述べる。
  論文  参考訳（メタデータ） (2026-06-24T03:18:10Z)
• Follow-Your-Motion: Video Motion Transfer via Efficient Spatial-Temporal Decoupled Finetuning [50.4776422843776]
  Follow-Your-Motionは、効率的な2段階ビデオモーション転送フレームワークである。 本稿では,空間的外観と時間的動き処理のための注意構造を分離する空間的時間的疎結合LoRAを提案する。 第2のトレーニング段階では、調整速度を高速化するためにスパース動作サンプリングと適応RoPEを設計する。
  論文  参考訳（メタデータ） (2025-06-05T16:18:32Z)
• MotionClone: Training-Free Motion Cloning for Controllable Video Generation [41.621147782128396]
  MotionCloneは、参照ビデオから多目的なモーションコントロールビデオ生成までのモーションクローンを可能にする、トレーニング不要のフレームワークである。 MotionCloneは、大域的なカメラの動きと局所的な物体の動きの両方の習熟度を示し、動きの忠実さ、テキストアライメント、時間的一貫性の点で顕著に優れている。
  論文  参考訳（メタデータ） (2024-06-08T03:44:25Z)
• 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)
• MotionRNN: A Flexible Model for Video Prediction with Spacetime-Varying Motions [70.30211294212603]
  本稿では,空間と時間の両方に連続する時空変動を予測できる新たな次元からビデオ予測を行う。 本研究では,動きの複雑な変動を捉え,時空変化に適応できるMotionRNNフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-03T08:11:50Z)

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。