論文の概要: SymRegFlow: Symmetry-Regularized Flow Matching for Video World Models

• arxiv url: http://arxiv.org/abs/2610.02726v1
• Date: Fri, 02 Oct 2026 03:02:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.174978
• Title: SymRegFlow: Symmetry-Regularized Flow Matching for Video World Models
• Title（参考訳）: SymRegFlow: ビデオワールドモデルのための対称性規則型フローマッチング
• Abstract要約: EmphSymRegFlowは、マルチビュー一貫性ビデオ生成のための対称規則化フローマッチングフレームワークである。 それぞれのターゲットポーズに対して、SymRegFlowは、ソースビューをノイズアンカーに幾何学的にワープし、マスク付きデュアルアンカー監視とクロスアンカー・アウトプの一貫性を組み合わせる。 Cosmos-Drive-DreamsとnuScenesの実験は、高品質でマルチビュー一貫性のある自動運転ビデオ生成を実証している。
• 参考スコア（独自算出の注目度）: 50.31523697382425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flow-matching-based multi-view world models generate realistic videos, but are commonly restricted to fixed camera rigs. Extending them to continuously varying camera poses requires paired pose--video observations with dense pose coverage, which are costly to acquire. We introduce \emph{SymRegFlow}, a symmetry-regularized flow-matching framework for multi-view-consistent video generation across continuous viewpoints without ground-truth novel-view RGB supervision. For each target pose, SymRegFlow geometrically warps source views into noisy anchors and combines masked dual-anchor supervision with cross-anchor denoising-output consistency to mitigate anchor-specific errors. Under an affine Gaussian surrogate, we prove that suitable consistency regularization recovers the clean-reference optimum at fixed noise levels, strictly outperforming single- and merged-anchor baselines. Experiments on Cosmos-Drive-Dreams and nuScenes demonstrate high-quality, multi-view-consistent autonomous-driving video generation: on nuScenes, SymRegFlow achieves the lowest FVD and FVMD among the evaluated baselines, reducing FVD by over 31\% relative to the best baseline, and source-conditioned inference also attains the best FID and instance preservation.
• Abstract（参考訳）: フローマッチングベースのマルチビューワールドモデルは、現実的なビデオを生成するが、通常は固定カメラリグに制限される。 連続的に変化するカメラのポーズに拡張するには、ペア化されたポーズの観察が必要である。 本稿では,多視点連続ビデオ生成のための対称性規則化フローマッチングフレームワークである \emph{SymRegFlow} を紹介する。 それぞれのターゲットポーズに対して、SymRegFlowは、ソースビューをノイズアンカーに幾何学的にワープし、マスク付きデュアルアンカー監視とクロスアンカーデノイング出力一貫性を組み合わせてアンカー固有のエラーを軽減する。 Affine Gaussian surrogate の下では、適切な整合正則化が固定ノイズレベルにおけるクリーン参照最適化を回復し、シングルアンカーベースラインとマージアンカーベースラインを厳密に上回ることを示す。 nuScenesでは、SymRegFlowは評価ベースラインの中で最低のFVDとFVMDを達成し、最高のベースラインに対してFVDを31倍以上削減し、ソース条件付き推論も最高のFIDとインスタンス保存を達成する。

関連論文リスト

• Reshoot-Anything: A Self-Supervised Model for In-the-Wild Video Reshooting [3.1328424544428852]
  インターネット規模のモノクロビデオを活用するためのフレームワークを構築した。 私たちのコアコントリビューションは、ソースビデオ、幾何アンカー、ターゲットビデオからなる擬似多視点トレーニング三脚の生成です。 提案する拡散変圧器は4Dポイントクラウド誘導アンカーを用いて,最先端の時間的整合性を実現する。
  論文  参考訳（メタデータ） (2026-04-23T15:32:56Z)
• Manifold-Aware Exploration for Reinforcement Learning in Video Generation [62.48300523142513]
  FlowGRPOのようなビデオ生成のためのグループ相対ポリシー最適化(GRPO)手法は、言語モデルや画像よりもはるかに信頼性が低い。 このギャップは、ビデオ生成が複雑な解空間を持ち、探索に使用されるODE-to-SDE変換が余剰ノイズを注入できるため生じる。 SAGE-GRPO(Stable Alignment via Exploration)を提案する。
  論文  参考訳（メタデータ） (2026-03-23T12:04:38Z)
• DAGE: Dual-Stream Architecture for Efficient and Fine-Grained Geometry Estimation [72.89376712495464]
  DAGEは、グローバルコヒーレンスを細部から切り離すデュアルストリームトランスフォーマーである。 低解像度ストリームは、フレーム/言語的注意を交互に交互に付加したアグレッシブなダウンサンプリングフレームで動作し、ビュー一貫性表現を構築する。 高解像度のストリームは、フレーム毎に元のイメージを処理し、シャープな境界と小さな構造を保存する。 この設計は、解像度とクリップ長を独立にスケールし、2Kまでの入力をサポートし、実用的な推論コストを維持する。
  論文  参考訳（メタデータ） (2026-03-04T05:29:29Z)
• DCDM: Divide-and-Conquer Diffusion Models for Consistency-Preserving Video Generation [77.89090846233906]
  我々はDivide-and-Conquer Diffusion Model (DCDM)と呼ばれるシステムレベルのフレームワークを提案する。 DCDMは、統合されたビデオ生成バックボーンを共有しながら、ビデオ一貫性モデリングを3つの専用コンポーネントに分解する。 我々は,AAAI'26におけるCVMコンペティションのテストセットにおけるフレームワークの検証を行い,提案手法がこれらの課題に効果的に対処できることを実証した。
  論文  参考訳（メタデータ） (2026-02-14T07:02:36Z)
• DUAL-VAD: Dual Benchmarks and Anomaly-Focused Sampling for Video Anomaly Detection [8.294763803639391]
  ビデオ異常検出(VAD)は、監視と公衆の安全のために重要である。 既存のベンチマークはフレームレベルかビデオレベルのタスクに限られている。 本研究は、フルビデオカバレッジを維持しながら、異常度セグメントを優先するソフトマックスベースのフレーム割り当て戦略を導入する。
  論文  参考訳（メタデータ） (2025-09-15T05:48:22Z)
• DATAP-SfM: Dynamic-Aware Tracking Any Point for Robust Structure from Motion in the Wild [85.03973683867797]
  本稿では,スムーズなカメラ軌跡を推定し,野生のカジュアルビデオのための高密度点雲を得るための,簡潔でエレガントでロバストなパイプラインを提案する。 提案手法は,複雑な動的課題シーンにおいても,カメラポーズ推定による最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-11-20T13:01:16Z)
• Unsupervised Flow-Aligned Sequence-to-Sequence Learning for Video Restoration [85.3323211054274]
  ビデオシーケンス内のフレーム間関係を適切にモデル化する方法は、ビデオ復元(VR)において重要であるが未解決の課題である。 本研究では,この問題を解決するために,教師なしフローアライメントシーケンス・ツー・シーケンス・モデル(S2SVR)を提案する。 S2SVRは、ビデオデブリ、ビデオスーパー解像度、圧縮されたビデオ品質向上など、複数のVRタスクにおいて優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2022-05-20T14:14:48Z)
• Bayesian Nonparametric Submodular Video Partition for Robust Anomaly Detection [9.145168943972067]
  MIL(Multiple-instance Learning)は、ビデオ異常検出問題に対処するための効果的な方法である。 我々は,MILモデルトレーニングを大幅に改善するために,新しいベイズ非パラメトリックサブモジュールビデオ分割(BN-SVP)を提案する。 我々の理論解析は,提案アルゴリズムの性能保証を確実にする。
  論文  参考訳（メタデータ） (2022-03-24T04:00:49Z)

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。