論文の概要: MotionInsight: Diagnosing Object Motion Deficiencies in Generated Videos

• arxiv url: http://arxiv.org/abs/2609.37030v1
• Date: Tue, 29 Sep 2026 08:44:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.337876
• Title: MotionInsight: Diagnosing Object Motion Deficiencies in Generated Videos
• Title（参考訳）: MotionInsight: 生成したビデオのオブジェクトの動作不良を診断する
• Abstract要約: 本研究では,物体の連続性,動きの連続性,身体的妥当性について,物体中心の運動忠実度の評価,対象物の評価について検討する。 VidMotionは、6,879本の動画に指定された移動物体の診断データセットである。 次に、暗黙的なRGBフレーム観察から明示的な動き空間診断へ評価をシフトする診断評価器であるMotionInsightを提案する。
• 参考スコア（独自算出の注目度）: 35.44605747717964
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite rapid progress in video generation models, they still exhibit obvious motion deficiencies, often manifested as incorrect object motion. However, most existing video quality evaluations focus on aesthetic quality or text-video alignment. To address this gap, we study object-centric motion fidelity assessment, evaluating target objects along object consistency, motion continuity, and physical plausibility. To achieve this, we first introduce VidMotion, a diagnostic dataset of 6,879 videos with designated moving objects and fine-grained annotations including dimension-wise scores and failure causes. We further propose MotionInsight, a diagnostic evaluator that shifts assessment from implicit RGB-frame observation to explicit motion-space diagnosis. By constructing motion-aware representations, MotionInsight makes subtle motion deficiencies more observable. We also introduce motion-specific rewards during GRPO to transform observed motion into a diagnostic assessment. Experiments demonstrate that MotionInsight provides an effective basis for diagnosing object motion deficiencies, producing human-aligned scores along three dimensions and grounded explanations.
• Abstract（参考訳）: ビデオ生成モデルが急速に進歩したにもかかわらず、それらは依然として明らかな動作不良を示し、しばしば間違った物体の動きとして現れる。 しかし、既存のビデオ品質評価のほとんどは、美的品質やテキスト・ビデオアライメントに重点を置いている。 このギャップに対処するために、物体中心の運動の忠実度評価、物体の一貫性、動きの連続性、身体的妥当性について検討する。 これを実現するために、まず6,879本の動画の診断データセットであるVidMotionを紹介した。 さらに、暗黙的なRGBフレーム観察から明示的な動き空間診断へ評価をシフトする診断評価器であるMotionInsightを提案する。 モーション対応の表現を構築することで、MotionInsightは微妙な動作不足をより観測可能にする。 また、GRPO中の動作特異的報酬を導入し、観察された動作を診断評価に変換する。 実験により、MotionInsightは、物体の動きの欠陥を診断するための効果的な基盤を提供し、3次元に沿って人間のアライメントスコアを生成し、座屈した説明を与える。

関連論文リスト

• VimoRAG: Video-based Retrieval-augmented 3D Motion Generation for Motion Language Models [110.32291962407078]
  VimoRAG(ヴィモラグ)は、動画に基づく大規模言語モデルのためのモーション生成フレームワークである。 動作中心の効果的なビデオ検索モデルを開発し、最適下検索結果による誤り伝播の問題を緩和する。 実験結果から,VimoRAGはテキストのみの入力に制約された動きLLMの性能を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2025-08-16T15:31:14Z)
• C-Drag: Chain-of-Thought Driven Motion Controller for Video Generation [81.4106601222722]
  トラジェクティブに基づくモーションコントロールは、制御可能なビデオ生成のための直感的で効率的なアプローチとして登場した。 我々はC-Dragという制御可能なビデオ生成のためのチェーン・オブ・ソート型モーションコントローラを提案する。 本手法は,物体認識モジュールとChain-of-Thoughtベースの動作推論モジュールを含む。
  論文  参考訳（メタデータ） (2025-02-27T08:21:03Z)
• A Plug-and-Play Physical Motion Restoration Approach for In-the-Wild High-Difficulty Motions [56.709280823844374]
  動作コンテキストとビデオマスクを利用して、欠陥のある動作を修復するマスクベースの動作補正モジュール(MCM)を導入する。 また,運動模倣のための事前訓練および適応手法を用いた物理ベースの運動伝達モジュール (PTM) を提案する。 本手法は,高速な移動を含む映像モーションキャプチャ結果を物理的に洗練するためのプラグイン・アンド・プレイモジュールとして設計されている。
  論文  参考訳（メタデータ） (2024-12-23T08:26:00Z)
• Motion Dreamer: Boundary Conditional Motion Reasoning for Physically Coherent Video Generation [27.690736225683825]
  動作推論を視覚合成から明確に分離する2段階のフレームワークであるMotion Dreamerを紹介する。 提案手法では,部分的ユーザ定義動作の効果的な統合を可能にするスパース・ツー・デンス動作表現であるインスタンスフローを導入している。 実験により、モーションドリーマーは既存の手法よりも優れており、より優れた動きの可視性と視覚的リアリズムを実現していることが示された。
  論文  参考訳（メタデータ） (2024-11-30T17:40:49Z)
• Fréchet Video Motion Distance: A Metric for Evaluating Motion Consistency in Videos [13.368981834953981]
  映像生成における動きの整合性を評価することを目的としたFr'echet Video Motion Distanceメトリックを提案する。 具体的には、キーポイント追跡に基づく明示的な動作特徴を設計し、Fr'echet距離を用いてこれらの特徴間の類似度を測定する。 我々は大規模な人間の研究を行い、我々の測定値が時間的ノイズを効果的に検出し、既存の測定値よりも生成された映像品質の人間の知覚とよく一致していることを示す。
  論文  参考訳（メタデータ） (2024-07-23T02:10:50Z)
• Improving Unsupervised Video Object Segmentation with Motion-Appearance Synergy [52.03068246508119]
  IMASは、トレーニングや推論において手動のアノテーションを使わずに、主要オブジェクトをビデオに分割する手法である。 IMASはMotion-Appearance Synergyによる改良されたUVOSを実現する。 人間のアノテーションや手作りハイパーパラム特有のメトリクスで調整された重要なハイパーパラムのチューニングにおいて、その効果を実証する。
  論文  参考訳（メタデータ） (2022-12-17T06:47:30Z)
• Derivation of a Constant Velocity Motion Model for Visual Tracking [0.0]
  モーションモデルは、次のフレームにおけるオブジェクトの可能な位置を予測するために、視覚的トラッキングアプリケーションにおいて大きな役割を果たす。 本論文では,物体の大きさを組み込んだ定速運動モデルを導出し,新しい研究者が迅速に適応できると考えている。
  論文  参考訳（メタデータ） (2020-05-02T14:40:18Z)

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。