論文の概要: Demiurge: Forging Navigable 4D Worlds via Autoregressive Video Rerendering

• arxiv url: http://arxiv.org/abs/2610.14685v1
• Date: Sat, 10 Oct 2026 07:57:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 12:18:20.294837
• Title: Demiurge: Forging Navigable 4D Worlds via Autoregressive Video Rerendering
• Title（参考訳）: Demiurge:自動回帰ビデオレンダリングによるナビゲーション可能な4Dワールドの鍛造
• Abstract要約: Demiurgeは動的4Dポイントクラウドメモリキャッシュ上に構築された自動回帰ビデオリレンダリングパイプラインである。 4つのコンポーネントを通じて、トラジェクトリ間の一貫性を促進する。
• 参考スコア（独自算出の注目度）: 35.18816704275933
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in video diffusion enable novel-view video synthesis from a single input video, supporting world modeling, embodied intelligence, and robotic simulation. However, existing methods process camera trajectories independently, lacking the cross-trajectory consistency needed for coherent, navigable 4D worlds. We introduce Demiurge, an autoregressive video rerendering pipeline built on a dynamic 4D point-cloud memory cache. It promotes cross-trajectory consistency through four components: (1) an appearance video diffusion model that synthesizes photorealistic novel-view videos conditioned on the 4D memory; (2) a memory-consistent video depth completion model that aligns known-region depths with cached geometry and completes missing regions, mitigating scale ambiguity and discontinuities during memory updates; (3) memory-aware dual-stream warping that provides high-fidelity visual guidance and occlusion cues for novel-view synthesis; and (4) geometry-aware video refinement that enhances perceptual quality. Extensive experiments demonstrate state-of-the-art performance and three key capabilities: coherent spatiotemporal lattice construction over dense multi-view trajectories; large-parallax video rerendering under challenging camera motions, including 180-degree rotations with no input-view overlap; and geometry-faithful outputs that can be directly optimized into high-quality 3D Gaussian Splatting representations with minimal artifacts. Project page: https://hanxinzhu-lab.github.io/demiurge_project_page/.
• Abstract（参考訳）: ビデオ拡散の最近の進歩は、単一の入力ビデオから新しいビュービデオ合成を可能にし、世界モデリング、インボディードインテリジェンス、ロボットシミュレーションをサポートする。 しかし、既存の方法はカメラの軌跡を独立に処理し、コヒーレントでナビゲート可能な4Dワールドに必要なクロストラジェクトリーの整合性を欠いている。 Demiurgeは動的4Dポイントクラウドメモリキャッシュ上に構築された自動回帰ビデオレンダリングパイプラインである。 本手法は,(1)4次元メモリ上に条件付きフォトリアリスティックなノベルビュー映像を合成する外観映像拡散モデル,(2)キャッシュされた幾何学的手法で既知領域の深度を整列するメモリ一貫性ビデオ深度補完モデル,(3)メモリ更新時のスケールのあいまいさと不連続性を緩和するメモリ認識デュアルストリームワープ,(3)新規ビュー合成のための高忠実度ビジュアルガイダンスとオクルージョンキューを提供するメモリ認識ビデオワープ,(4)知覚品質を高める幾何対応ビデオ改善モデルである。 広汎な実験では、高密度多視点軌道上でのコヒーレント時空間格子構築、180度の回転を含む難易度カメラモーション下での大パララックスビデオレンダリング、そして、最小限のアーティファクトを持つ高品質な3Dガウスススプラッティング表現に直接最適化できる幾何学的に忠実な出力など、最先端の性能と3つの重要な機能を示す。 プロジェクトページ:https://hanxinzhu-lab.github.io/demiurge_project_page/。

関連論文リスト

• VideoTok4D: A 4D-Aware Video Tokenizer for Compact World Representation [21.308618722721388]
  ビデオトークンーは現代のビデオモデリングの基盤として登場した。 コンパクトな世界表現のための新しい4D対応ビデオトークンであるVideoTok4Dを提案する。
  論文  参考訳（メタデータ） (2026-09-11T14:03:02Z)
• Full-4D: Generating Full-Scope 4D Scenes from a Single-View Video [63.61099683012546]
  本稿では,同期マルチビュービデオのデータセットであるRealMV-4Dを紹介する。 次に、新しい融合時間(T)-ビュー(V)アテンション機構によって駆動される多視点ビデオ拡散モデルを訓練する。 実験により,本手法は視覚的忠実度と一貫性の両方において既存手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-05-25T06:59:26Z)
• Diff4Splat: Controllable 4D Scene Generation with Latent Dynamic Reconstruction Models [79.06910348413861]
  Diff4Splatは、単一の画像から制御可能で明示的な4Dシーンを合成するフィードフォワード方式である。 単一の入力画像、カメラ軌跡、オプションのテキストプロンプトが与えられた場合、Diff4Splatは外見、幾何学、動きを符号化する変形可能な3Dガウス場を直接予測する。
  論文  参考訳（メタデータ） (2025-11-01T11:16:25Z)
• SEE4D: Pose-Free 4D Generation via Auto-Regressive Video Inpainting [83.5106058182799]
  SEE4Dは, カジュアルビデオから4次元世界モデリングを行うための, ポーズのないトラジェクトリ・ツー・カメラ・フレームワークである。 モデル内のビュー条件ビデオは、現実的に合成された画像を認知する前に、ロバストな幾何学を学ぶために訓練される。 クロスビュービデオ生成とスパース再構成のベンチマークでSee4Dを検証した。
  論文  参考訳（メタデータ） (2025-10-30T17:59:39Z)
• WorldSplat: Gaussian-Centric Feed-Forward 4D Scene Generation for Autonomous Driving [21.778139777889397]
  4次元駆動シーン生成のための新しいフィードフォワードフレームワークであるWorldSplatを提案する。 提案手法は,2つのステップで一貫したマルチトラック映像を効果的に生成する。 ベンチマークデータセットを用いて行った実験は、WorldSplatが高忠実で時間的に空間的に一貫した新しいビュー駆動動画を効果的に生成することを示した。
  論文  参考訳（メタデータ） (2025-09-27T16:47:44Z)
• Restage4D: Reanimating Deformable 3D Reconstruction from a Single Video [56.781766315691854]
  ビデオ条件付き4D再生のための幾何学保存パイプラインである textbfRestage4D を紹介する。 DAVIS と PointOdyssey 上のRestage4D の有効性を検証し,幾何整合性,運動品質,3次元追跡性能の向上を実証した。
  論文  参考訳（メタデータ） (2025-08-08T21:31:51Z)
• Can Video Diffusion Model Reconstruct 4D Geometry? [66.5454886982702]
  Sora3Rは、カジュアルなビデオから4Dのポイントマップを推測するために、大きなダイナミックビデオ拡散モデルのリッチ・テンポラリなテンポラリなテンポラリな時間を利用する新しいフレームワークである。 実験により、Sora3Rはカメラのポーズと詳細なシーン形状の両方を確実に復元し、動的4D再構成のための最先端の手法と同等の性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-03-27T01:44:46Z)
• CAT4D: Create Anything in 4D with Multi-View Video Diffusion Models [98.03734318657848]
  本研究では,モノクロ映像から4次元(ダイナミックな3D)シーンを生成するCAT4Dを提案する。 我々は、多様なデータセットの組み合わせに基づいて訓練された多視点ビデオ拡散モデルを活用して、新しいビュー合成を実現する。 新規なビュー合成と動的シーン再構成ベンチマークにおける競合性能を実証する。
  論文  参考訳（メタデータ） (2024-11-27T18:57:16Z)

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。