論文の概要: RAR: Rate-Adaptive Rollout for Time-Consistent Interactive World Models

• arxiv url: http://arxiv.org/abs/2610.16302v1
• Date: Mon, 12 Oct 2026 07:29:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 06:38:29.543533
• Title: RAR: Rate-Adaptive Rollout for Time-Consistent Interactive World Models
• Title（参考訳）: RAR: 時系列対話型世界モデルのためのレート適応型ロールアウト
• Abstract要約: Rate-Adaptive Rollout (RAR)は、インタラクティブな世界モデルが制御可能な時間レートでロールアウトできるようにするフレームワークである。 RARは、高い生成品質を維持しながら、時間的に一貫したマルチレートロールアウトとオンラインレート切り替えを実現する。
• 参考スコア（独自算出の注目度）: 43.48522897427785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video-based interactive world models aim to enable real-time, user-controllable environments. Yet most existing systems are trained and rolled out at a fixed temporal rate, limiting both runtime-rate adaptation and physical-horizon coverage -- a limitation we term temporal-rate coupling. Specifically, when runtime generation throughput differs from the learned temporal rate, the generated world evolves unintentionally more slowly or quickly. Moreover, using a single temporal rate imposes an inherent trade-off between temporal granularity and physical horizon: higher rates capture finer motion but cover a shorter duration under a fixed context window. To address both limitations, we introduce Rate-Adaptive Rollout (RAR), a framework that enables interactive world models to roll out at controllable temporal rates. At its core, Stride-RoPE aligns latent frames sampled at different rates on a shared physical-time coordinate, enabling consistent multi-rate rollout, unseen-rate generalization, and online rate switching without discarding history. Meanwhile, RAR uses multi-stride video sampling to enable joint learning of fine-grained dynamics and long-horizon evolution. Across action- and camera-controlled environments, RAR achieves temporally consistent multi-rate rollout and online rate switching while preserving high-rate generation quality and extending physical horizons under matched training budgets. RAR also transfers to pretrained world models while preserving perceptual quality.
• Abstract（参考訳）: ビデオベースのインタラクティブワールドモデルは、リアルタイムでユーザ制御可能な環境を実現することを目的としている。 しかし、既存のシステムのほとんどは、一定時間率でトレーニングされ、ロールアウトされ、実行時のレート適応と物理的水平カバレッジの両方が制限されます。 具体的には、学習した時間レートとランタイム生成スループットが異なる場合、生成された世界は意図しないほどゆっくりと、あるいは迅速に進化する。 さらに、1つの時間的速度を用いることで、時間的粒度と物理的水平線の間に固有のトレードオフを課す: より高い速度はより微細な動きを捉えるが、固定されたコンテキストウィンドウの下で短い時間をカバーする。 どちらの制限にも対処するため、インタラクティブな世界モデルを制御可能な時間的レートでロールアウト可能にするフレームワークであるRAR(Ralse-Adaptive Rollout)を導入する。 中心となるStride-RoPEは、異なるレートでサンプリングされた潜在フレームを共有物理時間座標で調整し、一貫性のあるマルチレートのロールアウト、見えないレートの一般化、履歴を捨てることなくオンラインレートの切り替えを可能にする。 一方、RARはマルチストライドビデオサンプリングを使用して、きめ細かいダイナミックスと長距離進化のジョイントラーニングを可能にする。 アクションおよびカメラ制御環境全体にわたって、RARは、高い生成品質を維持しつつ、整合したトレーニング予算の下で物理的な地平を広げながら、時間的に一貫したマルチレートロールアウトとオンラインレートの切り替えを達成する。 RARはまた、知覚品質を維持しながら、事前訓練された世界モデルに転送する。

関連論文リスト

• MotionCraft: Latent World Modeling with Sparse Attention for Visual Upscaling [17.6321469924025]
  ビデオ超解像(VSR)は、高精細度高精細度映像を低精細度入力から回収することを目的としている。 制御可能なVSRフレームワークであるMotionCraftについて述べる。
  論文  参考訳（メタデータ） (2026-08-09T07:54:43Z)
• TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
  ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。 現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。 Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
  論文  参考訳（メタデータ） (2026-05-11T13:23:14Z)
• Towards Robust and Generalizable Continuous Space-Time Video Super-Resolution with Events [71.2439653098351]
  連続時空ビデオスーパーSTVSRは、高解像度で高フレームのビデオを任意の時間スケールで再構成する能力への関心が高まっている。 EvEnhancerは、イベントストリームにカプセル化された高時間および高ダイナミックレンジのユニークな特性を結合する新しいアプローチである。 提案手法は,OODスケールでの一般化性を維持しつつ,合成および実世界の両方のデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-10-04T15:23:07Z)
• STAGE: A Stream-Centric Generative World Model for Long-Horizon Driving-Scene Simulation [42.73124501421074]
  STAGEは、階層的な特徴調整と、持続可能なビデオ合成のためのマルチフェーズ最適化の先駆けとなる自動回帰フレームワークである。 HTFTはビデオ生成プロセスを通してビデオフレーム間の時間的一貫性を高める。 我々はNuscenesデータセット上で600フレームの高品質なドライビングビデオを生成しました。
  論文  参考訳（メタデータ） (2025-06-16T06:53:05Z)
• Local-Global Temporal Difference Learning for Satellite Video Super-Resolution [53.03380679343968]
  本稿では,時間的差分を効果的かつ効果的な時間的補償に利用することを提案する。 フレーム内における局所的・大域的時間的情報を完全に活用するために,短期・長期的時間的相違を体系的にモデル化した。 5つの主流ビデオ衛星に対して行われた厳密な客観的および主観的評価は、我々の手法が最先端のアプローチに対して好適に機能することを実証している。
  論文  参考訳（メタデータ） (2023-04-10T07:04:40Z)
• Temporal Context Aggregation Network for Temporal Action Proposal Refinement [93.03730692520999]
  時間的行動提案生成はビデオ理解分野において難しいが重要な課題である。 現在の方法はまだ不正確な時間境界と検索に使用される劣った自信に苦しんでいます。 TCANet は、「ローカルおよびグローバル」な時間的コンテキストアグリゲーションを通じて、高品質のアクション提案を生成するために提案します。
  論文  参考訳（メタデータ） (2021-03-24T12:34:49Z)

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。