論文の概要: Decoupled Drift-Diffusion World Models for Consistent Future Frame Prediction

• arxiv url: http://arxiv.org/abs/2610.19212v1
• Date: Tue, 13 Oct 2026 21:26:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.813894
• Title: Decoupled Drift-Diffusion World Models for Consistent Future Frame Prediction
• Title（参考訳）: 連続未来フレーム予測のためのデカップリングドリフト拡散世界モデル
• Abstract要約: 視覚情報のワールドモデルは、与えられたアクションシーケンスに基づいて、将来の画像フレームを予測する。 私たちの重要な洞察は、これらの変化の空間的位置自体が学習可能であることです。 我々はデカップリングドリフト拡散世界モデル(D3WM)を提案する。
• 参考スコア（独自算出の注目度）: 36.34599000766998
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World models of visual information predict future image frames conditioned on given action sequences. This predicted scene evolution is driven by deterministic changes such as controlled motion on a robot platform, as well as stochastic changes such as rendering of manipulated objects or previously occluded regions. Our key insight is that the spatial location of these stochastic changes is itself learnable. We leverage this insight by jointly regressing both the deterministic next-state prediction and the spatial uncertainty map, then using the uncertainty map to guide a conditional diffusion process. We propose Decoupled Drift-Diffusion World Model (D3WM), which uses a transformer trained with a Gaussian negative-log-likelihood objective to produce both the deterministic next-state prediction and a spatial map of heteroscedastic aleatoric uncertainty. The learned uncertainty map then provides a structured spatial gate for a conditional diffusion model: deterministic regions are anchored to the predicted state, while uncertain regions, such as disocclusions or dynamic textures, are sampled by the diffusion process. We frame this decomposition under a variance-gated stochastic differential equation that separates deterministic drift from stochastic diffusion. D3WM shows improved results over competitive baselines in two distinct types of action spaces: robotic tabletop manipulation and camera motion.
• Abstract（参考訳）: 視覚情報のワールドモデルは、与えられたアクションシーケンスに基づいて、将来の画像フレームを予測する。 この予測されたシーンの進化は、ロボットプラットフォーム上の制御された動きのような決定論的変化や、操作されたオブジェクトのレンダリングや、以前閉鎖された領域などの確率的変化によって引き起こされる。 我々の重要な洞察は、これらの確率的変化の空間的位置は、それ自体が学習可能であることである。 我々はこの知見を,決定論的次状態予測と空間不確実性マップの両方を共同で回帰させ,不確実性マップを用いて条件拡散過程を導出する。 本稿では,ガウスの負-log-likelihood(負-log-likelihood(負-log-likelihood(負-log-likelihood(負-log-likelihood(負-log-likelihood)の目的)で訓練されたトランスフォーマーを用いて,決定論的次状態予測と不連続アレータの不確実性の空間マップを生成するデカップリングドリフト・ディフュージョン・ワールド・モデル(D3WM)を提案する。 学習された不確実性マップは、条件付き拡散モデルのための構造化された空間ゲートを提供する:決定論的領域は予測状態に固定され、非閉塞性領域や動的テクスチャのような不確実な領域は拡散過程によってサンプリングされる。 確率拡散から決定論的ドリフトを分離する分散ゲート確率微分方程式の下で、この分解をフレーム化する。 D3WMは、ロボットテーブルトップ操作とカメラモーションという2つの異なるタイプのアクション空間において、競争ベースラインよりも改善された結果を示している。

関連論文リスト

• DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
  DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。 合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
  論文  参考訳（メタデータ） (2026-08-19T03:44:28Z)
• Why SGD is not Brownian Motion: A New Perspective on Stochastic Dynamics [92.39053980710702]
  グラディエント・Descent (SGD) は通常ランゲヴィン過程としてモデル化され、ミニバッチノイズがブラウン運動として働くと仮定される。 この近似は、連続時間制限と、離散的なSGD更新を有限学習率で一致しないsqrt(eta)ノイズスケーリングに依存している。 ミニバッチサンプリングによって誘導されるゆらぎのある損失景観における決定論的力学としてのSGDの別の定式化を提案する。
  論文  参考訳（メタデータ） (2026-05-21T15:50:40Z)
• Differentiable Stochastic Traffic Dynamics: Physics-Informed Generative Modelling in Transportation [0.0]
  この研究は、物理制約自体が分散的かつ空間的であり、トラフィックフローのダイナミクスから導かれる枠組みを開発する。 このフレームワークは、分散トラフィック状態推定の基礎と、物理インフォームド・ジェネレーティブ・セッティングにおける基礎解析の基盤を提供する。
  論文  参考訳（メタデータ） (2026-03-10T04:25:20Z)
• Nonisotropic Gaussian Diffusion for Realistic 3D Human Motion Prediction [36.0214360692653]
  スケルトン拡散(Skeleton Diffusion)は、人体に明らかな誘導バイアスを埋め込む潜伏拡散モデルである。 我々のアプローチは、手足の歪みのような人工物を避けながら、常に現実的な予測を生成する。 現実世界のデータセットに新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2025-01-10T15:13:43Z)
• Exploiting Diffusion Prior for Generalizable Dense Prediction [85.4563592053464]
  近年のテキスト・トゥ・イメージ(T2I)拡散モデルでは、既成の高密度予測器では予測できないことがある。 我々は,事前学習したT2Iモデルを用いたパイプラインDMPを,高密度予測タスクの先駆けとして導入する。 限られたドメインのトレーニングデータにもかかわらず、この手法は任意の画像に対して忠実に推定し、既存の最先端のアルゴリズムを超越する。
  論文  参考訳（メタデータ） (2023-11-30T18:59:44Z)
• Human Joint Kinematics Diffusion-Refinement for Stochastic Motion Prediction [22.354538952573158]
  MotionDiffは、人間の関節のキネマティクスを加熱粒子として扱う拡散確率モデルである。 MotionDiffは、多種多様な可塑性運動を生成する空間時間変換器ベースの拡散ネットワークと、出力をさらに洗練するためのグラフ畳み込みネットワークの2つの部分で構成されている。
  論文  参考訳（メタデータ） (2022-10-12T07:38:33Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)

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。