論文の概要: 4LC: 4D Latent Cache for Efficient Conditioning in Dynamic World Modeling

• arxiv url: http://arxiv.org/abs/2610.17625v1
• Date: Tue, 13 Oct 2026 02:47:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.494862
• Title: 4LC: 4D Latent Cache for Efficient Conditioning in Dynamic World Modeling
• Title（参考訳）: 4LC:動的世界モデリングにおける効率的な条件付けのための4D遅延キャッシュ
• Abstract要約: 合成視覚表現とフレキシブルアクセスインタフェースを備えた4D潜在キャッシュである4LCを導入する。 4LC上に構築した4LC-Videoは,映像のソース観察,時間的要求,カメラ制御,時間的制御,ノベルビュー合成,シーンリビジット,長期的生成などの歴史的再利用を通じて,複数のタスクに対処する。
• 参考スコア（独自算出の注目度）: 56.105234990765844
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: For video generation in dynamic world modeling, observed static and dynamic content should be efficiently reused to provide conditions for repeated generation at different times and viewpoints. We introduce 4LC, a 4D latent cache with composite visual representations and a flexible spatiotemporal access interface. As a latent cache, 4LC directly reuses visual representations of static and dynamic content to provide generation conditions, avoiding per-request RGB rendering and re-encoding. As a composite cache, 4LC binds visual representations from multiple visual encoders (e.g., VAE, DINO, V-JEPA, VGGT) to shared geometry and motion, allowing the composite representations to describe the dynamic world with rich information. Besides, we design a flexible spatiotemporal interface, which directly reads the cache at independently specified times and viewpoints and combines readouts across observations, providing a common conditioning format for diverse downstream tasks. Building on 4LC, we develop 4LC-Video to address multiple video generation tasks through different configurations of source observations, spatiotemporal requests, and historical reuse, including camera control, temporal control, novel-view synthesis, scene revisits, and long-term generation. Our experiments show more efficient condition acquisition, effective spatiotemporal controllability, and scene consistency across tasks using a single 4LC-Video model without task-specific fine-tuning.
• Abstract（参考訳）: 動的世界モデリングにおける映像生成には、観測された静的・動的コンテンツを効率よく再利用し、異なる時間と視点で繰り返し生成するための条件を提供する必要がある。 合成視覚表現とフレキシブルな時空間アクセスインタフェースを備えた4D潜在キャッシュである4LCを導入する。 遅延キャッシュとして、4LCは静的および動的コンテンツの視覚的表現を直接再利用して生成条件を提供し、要求毎のRGBレンダリングや再エンコーディングを避ける。 複合キャッシュとして、4LCは複数の視覚エンコーダ(例えば、VAE、DINO、V-JEPA、VGGT)からの視覚表現を共有幾何学と運動に結合し、複合表現は豊かな情報で動的世界を記述することができる。 さらに、フレキシブルな時空間インタフェースを設計し、独立に指定された時間と視点でキャッシュを直接読み出し、観察にまたがる読み出しを組み合わせ、様々な下流タスクのための共通条件付け形式を提供する。 4LC 上に構築した4LC-Video は,複数の映像生成タスクに,映像制御,時間制御,ノベルビュー合成,シーンリビジット,長期的生成など,異なる構成のソース・オブザーバ,時空間要求,歴史的な再利用を通じて対処する。 本実験は,タスク固有の微調整を伴わない単一の4LC-Videoモデルを用いて,より効率的な条件取得,効果的な時空間制御性,タスク間のシーン一貫性を示す。

関連論文リスト

• 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)
• 4DGCPro: Efficient Hierarchical 4D Gaussian Compression for Progressive Volumetric Video Streaming [52.76837132019501]
  本稿では,新しい階層型4D圧縮フレームワークである4DGCProを紹介する。 4DGCProは、プログレッシブボリュームビデオストリーミングによるリアルタイムモバイルデコーディングと高品質なレンダリングを容易にする。 エンドツーエンドのエントロピー最適化トレーニングスキームを提案する。
  論文  参考訳（メタデータ） (2025-09-22T08:38:17Z)
• 4D Gaussian Splatting: Modeling Dynamic Scenes with Native 4D Primitives [115.67081491747943]
  動的3Dシーン表現と新しいビュー合成はAR/VRおよびメタバースアプリケーションの実現に不可欠である。 我々は,その基礎となる4次元体積を近似として,時間変化の異なる3次元シーンの再構成を再構成する。 ストレージのボトルネックに対処するため、メモリフットプリントを効果的に削減するいくつかのコンパクトなバリエーションを導出する。
  論文  参考訳（メタデータ） (2024-12-30T05:30:26Z)
• Real-time Photorealistic Dynamic Scene Representation and Rendering with 4D Gaussian Splatting [8.078460597825142]
  2次元画像から動的3Dシーンを再構成し、時間とともに多様なビューを生成することは、シーンの複雑さと時間的ダイナミクスのために困難である。 本研究では、4次元プリミティブの集合を明示的な幾何学と外観モデルを用いて最適化することにより、動的シーンの基本的な時間的レンダリング量を近似することを提案する。 我々のモデルは概念的に単純であり、異方性楕円によってパラメータ化され、空間と時間で任意に回転する4次元ガウスのパラメータと、4次元球面調和係数で表されるビュー依存および時間進化の外観から構成される。
  論文  参考訳（メタデータ） (2023-10-16T17:57:43Z)
• Im4D: High-Fidelity and Real-Time Novel View Synthesis for Dynamic Scenes [69.52540205439989]
  グリッドベースの幾何表現と多視点画像に基づく外観表現からなるハイブリッド表現であるIm4Dを紹介する。 画像の特徴から3Dポイントの色を予測することを学習する,オリジナルのマルチビュービデオとネットワークによってシーンの外観を表現する。 我々は,512x512画像に対して,79.8 FPSのリアルタイムレンダリングを実現しつつ,レンダリング品質が向上し,効率よくトレーニングできるIm4Dの最先端性能を示す。
  論文  参考訳（メタデータ） (2023-10-12T17:59:57Z)

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。