論文の概要: Destination-Conditioned Adaptation with Semantic-Geometric Alignment for Generative Inbetweening
- arxiv url: http://arxiv.org/abs/2610.13187v1
- Date: Fri, 09 Oct 2026 08:10:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.466423
- Title: Destination-Conditioned Adaptation with Semantic-Geometric Alignment for Generative Inbetweening
- Title（参考訳）: 意味的幾何学的アライメントを応用したジェネレーティブ・インベツワイニングのためのデスティネーション・コンディションド・アダプション
- Abstract要約: Gene inbetweeningは、スタートフレームとターゲットフレームの間に時間的に一貫性のある中間フレームを合成することを目的としている。
事前訓練された画像とビデオの拡散モデルは、大きな動きの相互関係に強い先行性を与えるが、特定のターゲットフレームに到達するように明示的に設計されているわけではない。
我々は、textbfDestest-Conditioned Adaptation と textbfSemantic-textbfGeometric Alignment を用いて、事前学習した遅延ビデオ拡散モデルに適応するフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 16.10143458693327
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative inbetweening aims to synthesize temporally coherent intermediate frames between a start frame and a target frame. Although pretrained image-to-video diffusion models provide strong priors for large-motion inbetweening, they are not explicitly designed to reach a specified target frame. They may therefore generate realistic individual frames while drifting from the target or producing unstable motion under large displacements and non-rigid dynamics. We propose DSG-GI, a framework that adapts pretrained latent video diffusion models through \textbf{D}estination-Conditioned Adaptation and \textbf{S}emantic-\textbf{G}eometric Alignment. Destination-Conditioned Adaptation treats the target frame as the destination of the sequence and provides temporally progressive guidance along the generated trajectory. Semantic-Geometric Alignment aligns the token-wise spatio-temporal relational geometry of backbone features with that of a frozen video foundation encoder and applies a flow-matching-aware latent flow constraint to samples near the data endpoint of the probability path. Together, these components strengthen destination guidance and preserve coherent semantic-geometric motion structure. Extensive experiments on standard and large-motion inbetweening benchmarks demonstrate improvements in temporal stability, target-frame faithfulness, and perceptual quality. Our code will be made publicly available.
- Abstract（参考訳）: 生成的内在化は、開始フレームと目標フレームの間の時間的コヒーレントな中間フレームを合成することを目的としている。
事前訓練された画像間拡散モデルは、大きな動きの相互関係に強い先行性を与えるが、特定のターゲットフレームに到達するように明示的に設計されているわけではない。
そのため、ターゲットからドリフトしながら現実的な個々のフレームを生成したり、大きな変位や非剛体力学の下で不安定な動きを発生させたりすることができる。
DSG-GIは,事前学習した遅延ビデオ拡散モデルに,<textbf{D}estination-Conditioned Adaptation>と<textbf{S}emantic-\textbf{G}eometric Alignmentを用いて適応するフレームワークである。
Destination-Conditioned Adaptationは、ターゲットフレームをシーケンスの目的地として扱い、生成された軌道に沿って時間的に進行的なガイダンスを提供する。
Semantic-Geometric Alignmentは、バックボーン特徴のトークン単位の時空間的関係幾何学と凍結ビデオ基盤エンコーダとを整合させ、確率パスのデータ終端付近のサンプルにフローマッチング対応の潜時流制約を適用する。
これらとともに、目的地案内を強化し、コヒーレントな意味幾何学的運動構造を保存する。
標準および大動間ベンチマークに関する広範囲な実験は、時間的安定性、目標フレームの忠実性、知覚品質の改善を実証している。
私たちのコードは公開されます。
関連論文リスト
- GeoRoute: Geometry-Aware Hybrid Inference for Traffic Future-Frame Prediction [0.8091286187898472]
長距離将来の予測は、自動運転、交通監視、インテリジェント交通システムにとって重要である。
最近の遅延ビデオ拡散モデルは目覚ましい視覚的品質を達成しているが、それらを構造化された交通シーンに直接適用すると、しばしば不安定な幾何学に繋がる。
本稿では,事前訓練された映像予測において,信頼度の高い静的構造を安定化する学習自由推論フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-10T12:01:18Z) - Drift-Resistant Navigation World Model with Anchored Epipolar Guidance [81.52175010905665]
本稿では,従来のロールアウト型ナビゲーションワールドモデルにおいて,知覚的ドリフトと幾何学的ドリフトの両方を緩和する生成モデルであるDrift-Resistant Navigation World Modelを提案する。
まず、安定な長距離ターゲットとして機能するスパース未来のアンカーを予測し、その後、過去のコンテキストと将来のアンカーの両方で条件付けられた各チャンク内で中間フレームを生成する。
4つのベンチマークの実験では、長期の視覚的品質、幾何的一貫性、多視点コヒーレンスにおいて、強いベースラインよりも一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-05-23T22:47:33Z) - Skinned Motion Retargeting with Spatially Adaptive Interaction Guidance [16.43596060460248]
本稿では,空間適応型アンカー上で近接マッチングを行うことにより,相互作用の意味を保った幾何対応型モーションフレームワークを提案する。
本手法は,多種多様なキャラクタ・ジオメトリ間の相互作用の忠実さを保ちながら,最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2026-05-19T04:41:11Z) - Can Video Diffusion Models Predict Past Frames? Bidirectional Cycle Consistency for Reversible Interpolation [25.677744104220853]
ビデオフレームは、特定の動作セマンティクスに固執しながら、所定のエンドポイント間で現実的な中間フレームを合成することを目的としている。
本稿では,前向きと後向きの軌跡の対称性を強制する新しい双方向フレームワークを提案する。
本手法は,37フレームと73フレームの両方のタスクにおいて,画像品質,運動の滑らかさ,動的制御における最先端性能を実現する。
論文 参考訳（メタデータ） (2026-04-02T06:58:46Z) - Anchoring and Rescaling Attention for Semantically Coherent Inbetweening [9.061831090604324]
生成的内在性(GI)は、シーケンスの最初の段階と最後の段階の間に現実的な中間フレームを合成しようとする。
我々は、Keyframe-anchored Attention Biasを通じて、各中間フレームにパスとテキストから意味的および時間的ガイダンスを与えます。
Rescaled Temporal RoPEとのフレーム一貫性も向上しています。
論文 参考訳（メタデータ） (2026-03-18T12:11:02Z) - Identity-Preserving Text-to-Video Generation Guided by Simple yet Effective Spatial-Temporal Decoupled Representations [131.33758144860988]
アイデンティティ保存型テキスト・ツー・ビデオ(IPT2V)生成は、一貫した人間のアイデンティティを持つ高忠実度ビデオを作成することを目的としている。
現在のエンドツーエンドフレームワークは、重要な空間的・時間的トレードオフを被る。
本稿では,表現をレイアウトの空間的特徴と運動力学の時間的特徴に分解する,シンプルで効果的な空間時空間分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-07T06:54:44Z) - Tracktention: Leveraging Point Tracking to Attend Videos Faster and Better [61.381599921020175]
時間的一貫性は、出力が一貫性があり、アーティファクトがないことを保証するために、ビデオ予測において重要である。
時間的注意や3D畳み込みといった伝統的な手法は、重要な物体の動きに苦しむことがある。
本稿では,ポイントトラックを用いた動き情報を明示的に統合する新しいアーキテクチャコンポーネントであるトラックキート・レイヤを提案する。
論文 参考訳（メタデータ） (2025-03-25T17:58:48Z) - Generative Inbetweening through Frame-wise Conditions-Driven Video Generation [63.43583844248389]
生成的inbetweeningは、2つのキーフレームを入力として利用することで中間フレームシーケンスを生成することを目的としている。
補間ビデオフレームの時間的安定性を著しく向上するフレームワイド・コンディション駆動ビデオ生成法(FCVG)を提案する。
FCVGは線形曲線と非線形曲線の両方を用いて時間的に安定なビデオを生成する能力を示した。
論文 参考訳（メタデータ） (2024-12-16T13:19:41Z) - Motion-aware Latent Diffusion Models for Video Frame Interpolation [51.78737270917301]
隣接するフレーム間の動き推定は、動きのあいまいさを避ける上で重要な役割を担っている。
我々は、新しい拡散フレームワーク、動き認識潜在拡散モデル(MADiff)を提案する。
提案手法は,既存手法を著しく上回る最先端性能を実現する。
論文 参考訳（メタデータ） (2024-04-21T05:09:56Z)
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。