論文の概要: Precise Editing and Flexible Referencing for Interactable Worlds

• arxiv url: http://arxiv.org/abs/2609.34470v1
• Date: Mon, 28 Sep 2026 07:26:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 13:17:19.216058
• Title: Precise Editing and Flexible Referencing for Interactable Worlds
• Title（参考訳）: 対話型世界のための精密編集とフレキシブル参照
• Abstract要約: 本稿では,対話可能な世界における正確な編集とフレキシブルな参照のためのビデオワールドモデルであるEditWorldを紹介する。 我々は、探索から、ストリーミング編集命令と参照画像による正確な修正まで、世界モデリングを拡張した。 また,ストリーミングワールド編集機能を体系的に評価するWBench-Editingを提案する。
• 参考スコア（独自算出の注目度）: 48.28122448816371
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present EditWorld, a video world model for precise editing and flexible referencing in interactable worlds. Existing video world models primarily focus on navigation, letting users explore generated worlds but offering limited control over how existing world content is modified. EditWorld extends world modeling from exploration to precise modification by streaming editing instructions and reference images during autoregressive generation. To support these capabilities, EditWorld introduces Gated Causal Attention for temporally varying editing conditions and reference images, together with a Sparse Context mechanism that maintains a bounded historical context for long-horizon inference. We further adopt joint autoregressive and bidirectional training with annealed self-resampling, and construct a dedicated data synthesis and annotation pipeline that provides supervision for world editing. We also present WBench-Editing to systematically evaluate streaming world editing capabilities. EditWorld achieves the best overall performance on WBench-Editing with an overall score of 73.8 and an editing score of 80.0, substantially outperforming existing methods on editing-related metrics. https://github.com/leoisufa/EditWorld
• Abstract（参考訳）: 本稿では,対話可能な世界における正確な編集とフレキシブルな参照のためのビデオワールドモデルであるEditWorldを紹介する。 既存のビデオワールドモデルはナビゲーションに重点を置いており、ユーザーは生成された世界を探索できる。 EditWorldは、自動回帰生成中の編集命令と参照画像のストリーミングによる、探索から正確な修正まで、世界モデリングを拡張している。 これらの機能をサポートするために、EditWorldは、時間的に異なる編集条件と参照画像のためのGated Causal Attentionと、長い水平推論のための境界付き履歴コンテキストを保持するスパースコンテキストメカニズムを導入した。 さらに,アニール型自己サンプリングによる共同自己回帰・双方向トレーニングを採用し,世界編集の監督を行う専用データ合成・アノテーションパイプラインを構築した。 また,ストリーミングワールド編集機能を体系的に評価するWBench-Editingを提案する。 EditWorldは、WBench-Editingの全体的なパフォーマンスを73.8点、編集スコア80.0点で達成し、編集関連メトリクスの既存の方法よりも大幅に上回っている。 https://github.com/leoisufa/EditWorld

関連論文リスト

• Versatile Editing of Video Content, Actions, and Dynamics without Training [57.167192591765456]
  我々はDynaEditを紹介した。DynaEditは、事前訓練されたテキスト・ツー・ビデオ・フローモデルを用いて、多目的なビデオ編集機能を解放する訓練不要の編集方法である。 そこで,DynaEditは複雑なテキストベースのビデオ編集タスクにおいて,アクションの変更,シーンと対話するオブジェクトの挿入,グローバルな効果の導入など,最先端の成果を達成していることを示す。
  論文  参考訳（メタデータ） (2026-03-18T17:50:56Z)
• WorldEdit: Towards Open-World Image Editing with a Knowledge-Informed Benchmark [72.07273056097722]
  我々は、世界主導の画像編集を可能にするために設計されたデータセットであるtextbfWorldEditを紹介した。 WorldEditは高品質な編集サンプルで構成され、現実世界の因果論理と一致するパラフレーズの命令でガイドされる。 その結果,提案手法はGPT-4oとNano-Bananaとのギャップを著しく狭めることがわかった。
  論文  参考訳（メタデータ） (2026-02-06T13:42:30Z)
• EditVerse: Unifying Image and Video Editing and Generation with In-Context Learning [58.53074381801114]
  イメージとビデオの生成と編集を単一のモデルで統合したフレームワークであるEditVerseを紹介する。 テキスト、画像、ビデオなどのすべてのモダリティを統一されたトークンシーケンスとして表現することで、EditVerseは、堅牢なインコンテキスト学習を実現するために自己アテンションを活用する。 多様なタスクや解像度をカバーする命令ベースのビデオ編集のための最初のベンチマークであるEditVerseBenchを紹介する。
  論文  参考訳（メタデータ） (2025-09-24T17:59:30Z)
• SpotEdit: Evaluating Visually-Guided Image Editing Methods [3.5066378196008636]
  SpotEditは、視覚的に誘導された画像編集方法を評価するために設計された包括的なベンチマークである。 我々のベンチマークには幻覚の専用コンポーネントが含まれており、GPT-4oのような主要なモデルが視覚的キューの存在を幻覚し、誤って編集タスクを実行するかを強調している。
  論文  参考訳（メタデータ） (2025-08-25T16:08:57Z)
• VIA: Unified Spatiotemporal Video Adaptation Framework for Global and Local Video Editing [91.60658973688996]
  我々は,グローバルなローカルビデオ編集のための統合ビデオ適応フレームワークであるVIAを導入し,一貫したビデオ編集の限界を推し進める。 本研究では,各フレーム内の局所的な一貫性を確保するため,事前学習した画像編集モデルに適応するテスト時間編集適応を設計した。 また,VIAは長時間の映像編集を一貫した時間で行うことができ,ビデオ編集作業が長続きする可能性を秘めていることを示す。
  論文  参考訳（メタデータ） (2024-06-18T17:51:37Z)
• EditWorld: Simulating World Dynamics for Instruction-Following Image Editing [68.6224340373457]
  拡散モデルは画像編集の性能を大幅に改善した。 本稿では,様々な世界シナリオに根ざした命令を定義し,分類する,世界指導による画像編集について紹介する。 本手法は,既存の編集方法よりも大幅に優れる。
  論文  参考訳（メタデータ） (2024-05-23T16:54:17Z)

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。