論文の概要: Distortion-Aware Spatiotemporal Learning for Real-Time Wide-Angle Video Rectification

• arxiv url: http://arxiv.org/abs/2610.32500v1
• Date: Fri, 23 Oct 2026 11:18:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.505372
• Title: Distortion-Aware Spatiotemporal Learning for Real-Time Wide-Angle Video Rectification
• Title（参考訳）: リアルタイム広角映像整形のための歪みを考慮した時空間学習
• Abstract要約: 我々は、歪み認識時間学習によって駆動される効率的なフルボディビデオ修正フレームワークであるFastVCを提案する。 FastVCは57.0 FPSで最先端の整合率と視覚的安定性を達成する。
• 参考スコア（独自算出の注目度）: 39.67751557173876
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While wide-angle lenses provide an expanded field of view (FoV), they exhibit severe nonlinear distortion near image boundaries, unnaturally stretching people in these regions. Existing methods mostly focus on facial regions, require high computational costs, and lack temporal modeling, resulting in incomplete full-body rectification, impractical real-time deployment, and noticeable inter-frame shakes. To tackle these issues, we propose \textbf{FastVC}, an efficient full-body video rectification framework driven by distortion-aware spatiotemporal learning. Grounded in lens physics, FastVC introduces a distortion-aware thin-plate spline (DA-TPS) module that nonlinearly remaps control points into a peripheral-dense layout, enabling more accurate geometric fitting without additional computational cost. We further develop a dual-level spatiotemporal learning scheme for causal and stable video rectification. At the model level, neighborhood spatiotemporal attention (NST) aggregates local context and selectively fuses historical features with low overhead. At the optimization level, sparse spatiotemporal supervision applies spatial alignment only to anchor frames, decoupling frame-wise accuracy from temporal stability. Besides, we contribute the first benchmark dataset for wide-angle full-body video correction. Extensive experiments show that FastVC achieves state-of-the-art rectification fidelity and visual stability at 57.0 FPS.
• Abstract（参考訳）: 広角レンズは視野を拡大する(FoV)一方で、画像境界付近で強い非線形歪みを示す。 既存の手法は主に顔領域に焦点を当て、高い計算コストを必要とし、時間的モデリングが欠如しているため、完全な正当性、非現実的なリアルタイム展開、フレーム間シェイクが顕著である。 これらの課題に対処するために,歪みを考慮した時空間学習を駆使した,フルボディビデオの効率的な修正フレームワークである‘textbf{FastVC} を提案する。 レンズ物理を基礎としてFastVCは、制御点を非線形に周辺距離レイアウトに再マップし、計算コストを増すことなくより正確な幾何フィッティングを可能にする歪み対応の薄板スプライン(DA-TPS)モジュールを導入した。 さらに、因果的かつ安定したビデオ修正のための2段階時空間学習手法を開発した。 モデルレベルでは、近傍時空間的注意(NST)は局所的な文脈を集約し、オーバーヘッドの少ない歴史的特徴を選択的に融合させる。 最適化レベルでは、スパース時空間監督は空間的アライメントをアンカーフレームにのみ適用し、フレームの精度を時間的安定性から切り離す。 また、広角フルボディビデオ補正のための最初のベンチマークデータセットをコントリビュートする。 大規模な実験により、FastVCは57.0 FPSで最先端の整合率と視力安定性を達成することが示された。

関連論文リスト

• Stabilizing Streaming Video Geometry via Dynamic Feature Normalization [45.91399406203578]
  Dynamic Feature Normalization (DyFN) は、時間とともに安定な幾何を維持するために特徴統計を変調する因果リカレントモジュールである。 DyFNは最先端の時間安定性を実現し、従来のストリーミング手法よりも最大14%改善し、さらにはより重い非因果的ビデオベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-05-25T00:13:15Z)
• TeDiO: Temporal Diagonal Optimization for Training-Free Coherent Video Diffusion [30.705936075333465]
  不整合なビデオは、中間的自己注意マップにおいて、不規則で断片化された時間的対角線を常に示している。 本稿では,これらの内部の注意パターンを規則化し,時間的一貫性を補強するトレーニング不要な推論時間手法TeDiOを紹介する。
  論文  参考訳（メタデータ） (2026-05-13T21:39:50Z)
• Geometry-Aware Rotary Position Embedding for Consistent Video World Model [48.914346802616414]
  ViewRopeは、ビデオトランスフォーマーの自己アテンション層に直接カメラの方向を注入するジオメトリ対応のエンコーディングである。 Geometry-Aware Frame-Sparse Attentionは、これらの幾何学的手がかりを利用して、関連する歴史的なフレームに選択的に参加する。 この結果から,ViewRopeは長期的整合性を大幅に向上し,計算コストを低減できることがわかった。
  論文  参考訳（メタデータ） (2026-02-08T08:01:16Z)
• KineST: A Kinematics-guided Spatiotemporal State Space Model for Human Motion Tracking from Sparse Signals [11.14439818111551]
  フルボディモーショントラッキングは、物理と仮想の相互作用をブリッジするAR/VRアプリケーションにおいて重要な役割を果たす。 ヘッドマウントディスプレイから得られるスパース信号に基づいて、現実的で多様なフルボディのポーズを再構築することは困難である。 ポーズ再構成のための既存の方法は、しばしば高い計算コストを発生させるか、別々に空間モデリングと時間的依存に依存している。 局所的および大域的ポーズ知覚を統合しつつ、幾何学的依存関係を効果的に抽出する、新しいキネマティクス誘導状態空間モデルであるKineSTを提案する。
  論文  参考訳（メタデータ） (2025-12-18T17:25:47Z)
• 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)
• Spatio-Temporal Distortion Aware Omnidirectional Video Super-Resolution [25.615935776826596]
  Omnidirectional (ODV)は360degシーンをキャプチャすることで没入型視覚体験を提供する。 ODVは、デバイスと伝送帯域幅の広い視野と制限のために、低解像度に悩まされることが多い。 本研究では,空間的投影歪みとODVの時間的フリッカリングを軽減するため,時空間アウェア歪みネットワーク(STDAN)を提案する。
  論文  参考訳（メタデータ） (2024-10-15T11:17:19Z)
• Learning Spatial Adaptation and Temporal Coherence in Diffusion Models for Video Super-Resolution [151.1255837803585]
  ビデオ超解像のための空間適応と時間コヒーレンス(SATeCo)を追求する新しい手法を提案する。 SATeCoは低解像度ビデオから時空間ガイダンスを学習し、潜時空間高解像度ビデオデノイングとピクセル空間ビデオ再構成の両方を校正する。 REDS4データセットとVid4データセットを用いて行った実験は、我々のアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2024-03-25T17:59:26Z)
• Video Dynamics Prior: An Internal Learning Approach for Robust Video Enhancements [83.5820690348833]
  外部トレーニングデータコーパスを必要としない低レベルの視覚タスクのためのフレームワークを提案する。 提案手法は,コヒーレンス・時間的テストの重み付けと統計内部統計を利用して,破損したシーケンスを最適化することでニューラルモジュールを学習する。
  論文  参考訳（メタデータ） (2023-12-13T01:57:11Z)
• Towards Nonlinear-Motion-Aware and Occlusion-Robust Rolling Shutter Correction [54.00007868515432]
  既存の手法では、一様速度仮定による補正の精度を推定する上で、課題に直面している。 本稿では,個々の画素の高次補正場を正確に推定する,幾何的回転シャッター(QRS)運動解法を提案する。 提案手法は,Carla-RS,Fastec-RS,BS-RSCの各データセット上で,PSNRの+4.98,+0.77,+4.33を超える。
  論文  参考訳（メタデータ） (2023-03-31T15:09:18Z)

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。