論文の概要: Wan-Alpha++: Animating a Single RGBA Asset into Controllable Transparent Video Effects

• arxiv url: http://arxiv.org/abs/2610.26189v1
• Date: Mon, 19 Oct 2026 11:18:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 19:09:42.576184
• Title: Wan-Alpha++: Animating a Single RGBA Asset into Controllable Transparent Video Effects
• Title（参考訳）: Wan-Alpha++: コントロール可能な透過的ビデオエフェクトに単一のRGBAアセットをアニメーションする
• Abstract要約: We present Wan-Alpha++, a unified framework that bring controllable RGBA video generation to both text- and image-to-video spread backbones。 具体的には、透過性を考慮した双方向拡散目標を導入し、識別可能なRGBA潜在表現を生成する。
• 参考スコア（独自算出の注目度）: 24.25534681682299
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: RGBA video generation is essential for creating compositable visual assets in filmmaking, game development, and digital content production. However, generating high-quality RGB appearance alongside temporally coherent transparency remains a significant challenge. Existing text-to-RGBA video methods often entangle RGB and alpha distributions and offer limited control over the precise appearance of a target asset. In addition, incorporating image conditioning typically suffers from the emergence-disappearance effects, which fail existing first-frame or first-and-last-frame conditions due to their fully transparent boundary frames. To address these issues, we present Wan-Alpha++, a unified framework that brings controllable RGBA video generation to both text- and image-to-video diffusion backbones through a shared RGBA latent space, extending our conference version Wan-Alpha from the text-conditioned setting to image-conditioned generation with an interior reference frame. Our method first learns shiftable RGB-alpha distributions while preserving the pretrained RGB prior. Specifically, we introduce a transparency-aware bidirectional diffusion objective to produce distinguishable RGBA latent representations, and a transparency-guided mean sampler that shifts the noise distribution to improve transparency generation and enable spatial controllability. Building upon this RGBA generation prior, we introduce temporal phase reparameterization for image-conditioned effect generation. By cyclically transforming a zero-positive-zero alpha pattern into a positive-zero-positive pattern, it relocates visible content to both temporal boundaries, facilitating effective appearance conditioning with limited RGBA data.
• Abstract（参考訳）: RGBAビデオ生成は、映画製作、ゲーム開発、デジタルコンテンツ制作において、合成可能なビジュアルアセットを作成するために不可欠である。 しかし、時間的に一貫性のある透明性とともに高品質なRGBの出現は、依然として大きな課題である。 既存のテキスト・ツー・RGBAビデオ手法は、しばしばRGBとアルファの分布を絡めて、ターゲット資産の正確な外観を限定的に制御する。 さらに、イメージコンディショニングを組み込むことは、通常、既存の第1フレームまたは第1および第1フレームの条件が完全に透明な境界フレームによって失敗する、出現・消失効果に悩まされる。 これらの問題に対処するために、Wan-Alpha++は、テキストと画像間の拡散バックボーンを共有RGBAラテント空間を通じて制御可能なRGBAビデオ生成を提供する統一フレームワークである。 本手法はまず,事前学習したRGBを保存しながら,シフト可能なRGB-アルファ分布を学習する。 具体的には、識別可能なRGBA潜在表現を生成するための透過性を考慮した双方向拡散目標と、ノイズ分布をシフトさせて透過性の生成を改善し、空間制御性を実現する透過性誘導平均サンプリングについて紹介する。 このRGBA生成を前もって構築し、画像条件による効果生成のための時間位相パラメータ化を導入する。 ゼロ陽性ゼロアルファパターンを正ゼロ陽性パターンに循環的に変換することにより、両時間境界に可視コンテンツを移動させ、限られたRGBAデータによる効果的な外観条件付けを容易にする。

関連論文リスト

• Paths: Prompt-aware Spatio-temporal Transformer with Hierarchical Multi-modal Fusion for RGB-Event Video Person Re-Identification [75.15027201505912]
  本稿では,RE-VReIDのための離散時間モデリングと階層的マルチモーダル融合を用いた統合フレームワークを提案する。 我々のフレームワークは、RE-VReIDの堅牢で差別的な表現を学習することができる。
  論文  参考訳（メタデータ） (2026-08-13T10:58:47Z)
• Alpha as an Efficiency Signal: Visibility-Routed RGBA Image-to-Video Generation [10.796062926739511]
  RGBAビデオはRGBの外観とアルファチャンネルを組み合わせることで、任意の背景にアニメーションアセットを適用することができる。 既存のRGBAビデオデータセットのほとんどは、フォトリアリスティックなコンテンツに支配されている。 従来のジェネレータ-マットパイプラインは、RGB合成後にのみアルファを推定する。
  論文  参考訳（メタデータ） (2026-08-10T09:35:36Z)
• TransText: Alpha-as-RGB Representation for Transparent Text Animation [35.1650602838868]
  層認識型テキスト(グリフ)アニメーションに画像から映像モデルを適用するための第1の手法を提案する。 外観と透明性を協調的にモデル化する新しいAlpha-as-RGBパラダイムに基づくフレームワークであるTransTextを提案する。 実験の結果,TransTextはベースラインを著しく上回り,コヒーレントで高忠実度なアニメーションを生成することがわかった。
  論文  参考訳（メタデータ） (2026-03-18T17:16:40Z)
• RAW-Flow: Advancing RGB-to-RAW Image Reconstruction with Deterministic Latent Flow Matching [55.03149221192589]
  本稿では,RGBとRAW表現のギャップを埋めるためにRAW-Flowという新しいフレームワークを提案する。 また、階層的なRGB機能をフロー推定プロセスに注入する、大規模コンテキストガイダンスモジュールも導入する。 RAW-Flowは、定量的にも視覚的にも最先端のアプローチより優れている。
  論文  参考訳（メタデータ） (2026-01-28T08:27:38Z)
• Trans-Adapter: A Plug-and-Play Framework for Transparent Image Inpainting [60.062438188868306]
  既存の画像の塗装法は、RGB画像専用に設計されている。 Trans-Adapterは、拡散ベースのインペイントモデルで透過的な画像を直接処理できるプラグイン・アンド・プレイアダプタである。
  論文  参考訳（メタデータ） (2025-08-01T22:27:21Z)
• TransPixeler: Advancing Text-to-Video Generation with Transparency [43.6546902960154]
  本稿では,従来のRGB機能を維持しつつ,RGBA生成のための事前学習ビデオモデルを拡張する方法であるTransPixelerを紹介する。 提案手法は,多彩で一貫したRGBA動画を効果的に生成し,VFXやインタラクティブなコンテンツ制作の可能性を高める。
  論文  参考訳（メタデータ） (2025-01-06T13:32:16Z)
• CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
  スパース入力によるNeRFの性能向上のための新しい手法を提案する。 まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。 次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
  論文  参考訳（メタデータ） (2024-03-25T15:56:17Z)

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。