論文の概要: GLIMPSE: Global-Local Indexing with Multi-Precision Spectral Encoding for Explorable Video World Models
- arxiv url: http://arxiv.org/abs/2610.13706v1
- Date: Fri, 09 Oct 2026 15:01:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.649165
- Title: GLIMPSE: Global-Local Indexing with Multi-Precision Spectral Encoding for Explorable Video World Models
- Title（参考訳）: GLIMPSE:探索可能なビデオワールドモデルのためのマルチ精度スペクトル符号化によるグローバルローカルインデックス作成
- Abstract要約: カメラ制御されたビデオワールドモデルは、カメラがそれに戻るとシーンを一貫性を保つ必要がある。
我々は,帯域幅の多精度座標と幾何条件のスペクトル減衰を用いたグローバルローカルメモリインタフェースGLIMPSEを提案する。
- 参考スコア（独自算出の注目度）: 32.483252645179896
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A camera-controlled video world model must keep a scene consistent when the camera returns to it. Memories that render stored features into the target frame can turn depth and pose errors into ghosting or duplicated structure. Positional transport avoids that resampling by relocating a historical patch's address rather than its content, but assigns full positional precision even to inaccurate projections. We present GLIMPSE, a global-local memory interface with band-wise multi-precision coordinates and geometry-conditioned spectral attenuation to reduce sensitivity to inaccurate projected addresses. Local patch memory supplies view-specific appearance, while recurrent global memory provides scene context. Footprint-guided retrieval selects historical patches under a fixed local read budget. Under matched retrieval and read budgets, GLIMPSE improves geometric correspondence and photometric consistency over deterministic positional transport.
- Abstract（参考訳）: カメラ制御されたビデオワールドモデルは、カメラがそれに戻るとシーンを一貫性を保つ必要がある。
格納された機能をターゲットフレームにレンダリングするメモリは、深さを変え、エラーをゴーストや重複した構造にします。
位置伝達は、履歴パッチのアドレスをその内容ではなく移動させることで再サンプリングを回避するが、不正確な投影にも完全な位置精度を割り当てる。
GLIMPSEは、帯域幅の多精度座標と幾何条件のスペクトル減衰を併用したグローバルローカルメモリインタフェースで、不正確なアドレスに対する感度を低減する。
ローカルパッチメモリはビュー固有の外観を提供するが、リカレントグローバルメモリはシーンコンテキストを提供する。
フットプリント誘導検索は、固定されたローカル読み取り予算の下で履歴パッチを選択する。
一致した検索と読み取りの予算の下で、GLIMPSEは決定論的位置移動よりも幾何対応と光度整合性を改善する。
関連論文リスト
- LiG-DETR: Local-in-Global Reassembly in Latent Space for Aerial Object Detection [24.642428392860296]
空中物体検出は、相当なスケールと密度の変動に直面している。
小さなオブジェクトは、ダウンサンプリングと特徴圧縮によって容易に分解される。
実験では, 強大物体性能を維持しながら, 中小物体に顕著な効果が認められた。
論文 参考訳（メタデータ） (2026-10-07T06:07:37Z) - Geometry as Address: Routing Attention to Visual Memory for Long-Horizon Camera-Controlled Video Generation [65.27606758907416]
ロングホライゾンカメラ制御ビデオ生成は、成長を続ける視覚の歴史から、これまで観察されたコンテンツを回復する必要がある。
既存のアプローチでは、歴史的コンテキストを暗黙的に検索するか、永続的な3Dメモリに再構築する。
我々は、幾何学を視覚記憶のための明示的なトークンレベルアドレスとして利用するGeometry-Enabled Attention RoutingフレームワークであるGEARを紹介する。
論文 参考訳（メタデータ） (2026-09-28T09:27:59Z) - Adaptive World Memory 3D Foundation Model for Scalable 3D Mapping, Localization, and Rendering [58.112594289451664]
本稿では,スケーラブルなロボットローカライゼーション,再構成,ガウスレンダリングのためのメモリ中心の3次元基礎モデルを提案する。
我々のコアは、トランスフォーマーベースのゲート更新とテスト時間時空間制御を組み合わせたアダプティブワールドメモリ機構である。
その結果,既存の3次元ファンデーション再構築およびSLAMベースラインよりも軌道精度,復元完全性,レンダリング品質が向上した。
論文 参考訳（メタデータ） (2026-09-18T08:53:12Z) - Addressable Memory for Video World Models [50.40232922140905]
インタラクティブなビデオワールドモデルにおける視覚的永続性について研究する。
長時間の視覚的永続性のためのトレーニング不要なメモリフレームワーク WorldTrace を提案する。
論文 参考訳（メタデータ） (2026-08-07T16:55:57Z) - Ray-Aware Pointer Memory with Adaptive Updates for Streaming 3D Reconstruction [19.132257919770947]
連続画像ストリームからの3次元再構成には、正確な幾何集約と安定したメモリ管理が必要である。
空間的位置と視線方向の両方を明示的にモデル化した3次元再構成のためのレイアウェア・ポインターメモリを提案する。
われわれのアプローチは、画像ストリームからのスケーラブルでドリフトに耐性のあるオンライン3D再構成のための、原則化されたフレームワークを提供する。
論文 参考訳（メタデータ） (2026-05-07T06:42:11Z) - I3DM: Implicit 3D-aware Memory Retrieval and Injection for Consistent Video Scene Generation [56.33710337846449]
I3DMは、一貫した映像シーン生成のための暗黙的な3D対応メモリ機構である。
われわれのアプローチの核心は3D対応メモリ検索戦略である。
検索した履歴フレームをフル活用するために,3次元メモリインジェクションモジュールを導入する。
論文 参考訳（メタデータ） (2026-03-24T16:45:40Z) - AnchorWeave: World-Consistent Video Generation with Retrieved Local Spatial Memories [78.78355829813793]
既存のメモリベースのアプローチでは、歴史的に再構成された幾何学のアンカービデオをレンダリングすることで、グローバルに再構成された3Dシーンを条件付けすることが多い。
AnchorWeaveは、単一の不整合グローバルメモリを複数のローカルな幾何学的メモリに置き換える、メモリ拡張ビデオ生成フレームワークである。
実験によると、AnchorWeaveは視覚的品質を維持しながら、長期的なシーンの一貫性を著しく向上する。
論文 参考訳（メタデータ） (2026-02-16T17:23:08Z) - GRS-SLAM3R: Real-Time Dense SLAM with Gated Recurrent State [29.91962530945268]
本稿では,高密度シーン再構築のためのエンドツーエンドSLAMフレームワークであるGRS-SLAM3Rを紹介する。
本手法は,グローバル座標における逐次的入力と計量スケールの点群を漸進的に推定する。
各種データセットを用いた実験により, リアルタイム性能を維持しつつ, より優れた復元精度を実現することができた。
論文 参考訳（メタデータ） (2025-09-28T08:33:34Z) - RelayFormer: A Unified Local-Global Attention Framework for Scalable Image and Video Manipulation Localization [50.75654397516163]
様々な解像度とモダリティに対応する統一フレームワークであるRelayFormerを提案する。
RelayFormerは、入力を固定サイズのサブイメージに分割し、Global-Local Relay(GLR)トークンを導入する。
これにより、セマンティックや時間的一貫性などのグローバルなキューを効率よく交換でき、きめ細かいアーティファクトを保存できる。
論文 参考訳（メタデータ） (2025-08-13T03:35:28Z)
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。