論文の概要: OmniShowcase: Omnidirectional Subject-Consistent Video Generation from Multi-View Images
- arxiv url: http://arxiv.org/abs/2610.35684v1
- Date: Mon, 26 Oct 2026 16:19:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:14.067345
- Title: OmniShowcase: Omnidirectional Subject-Consistent Video Generation from Multi-View Images
- Title（参考訳）: OmniShowcase:マルチビュー画像からの全方位映像生成
- Abstract要約: 我々はOmniShowcaseを紹介した。OmniShowcaseは完全に自動化されたデータ合成パイプラインで、多様なカメラ軌道に沿ってトレーニングビデオを生成する。
また,Showcase-4Kという3Dアセットをベースとしたビデオのコーパスを構築し,88の軌跡を横断する12のカメラモーションを収録した。
実験では、競争力のある映像品質と動きを維持しながら、最先端の被写体識別と3D整合性を示す。
- 参考スコア（独自算出の注目度）: 40.37900854182167
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generating videos of a specific subject from a few reference images remains challenging when the camera reveals surfaces that are not visible in the input. Early subject-to-video (S2V) methods condition on a single reference image and must therefore infer the subject's unseen appearance and geometry as the viewpoint changes. To address this limitation, recent methods extend S2V to multiple reference views, providing more information about the subject from different viewpoints. However, they do not explicitly specify the 3D structure that connects these observations. In addition, existing training data do not guarantee that viewpoint changes preserve the same underlying 3D subject. We present OmniShowcase, built on two components: (i) a fully automated data synthesis pipeline that produces training videos along diverse camera trajectories, with viewpoint variation driven by underlying subject geometry, even spanning full 360-degree orbits; and (ii) a geometry-conditioning method that provides the video model with a turntable of surface-normal maps reconstructed from the reference views without requiring temporal alignment with the generated frames. We construct Showcase-4K, a corpus of 3D-asset-based videos covering twelve camera motions across 88 trajectory configurations with reconstruction-derived surface-normal conditioning, and ShowcaseBench, a held-out evaluation set with the source meshes and camera parameters used to render each video. Experiments show state-of-the-art subject identity and 3D consistency while maintaining competitive video quality and motion. Project page: justin4ai.github.io/OmniShowcase
- Abstract（参考訳）: いくつかの参照画像から特定の被写体のビデオを生成することは、カメラが入力で見えない表面を明らかにするとき、依然として困難である。
S2V法は1つの参照画像に対して条件付きであり,視点の変化に応じて被写体が見えない外観や形状を推定しなければならない。
この制限に対処するため、近年の手法はS2Vを複数の参照ビューに拡張し、異なる視点から対象についてより多くの情報を提供する。
しかし、これらの観測を接続する3D構造を明示的に規定していない。
さらに、既存のトレーニングデータは、視点の変化が同じ3D主題を保存することを保証していない。
2つのコンポーネント上に構築されたOmniShowcaseを紹介します。
一 多様なカメラ軌跡に沿ったトレーニングビデオを作成する完全自動データ合成パイプラインであって、基礎となる被写体形状による視点変化、全360度軌道にまたがる場合。
二 生成されたフレームと時間的アライメントを必要とせず、基準ビューから再構成した面正規写像のターンテーブルをビデオモデルに提供する幾何学的条件付け方法。
そこで我々は,Showcase-4Kを構築した。Showcase-4K,ShowcaseBench,ShowcaseBench,ShowcaseBench,ShowcaseBench。
実験では、競争力のある映像品質と動きを維持しながら、最先端の被写体識別と3D整合性を示す。
プロジェクトページ: justin4ai.github.io/OmniShowcase
関連論文リスト
- Learning the 4D World through Point Trajectory Forecasting [95.13265640991024]
ビデオポイントモデル(VPM)は、任意の視点と永続的なシーンポイントの3次元軌跡から将来の映像を予測する。
生成器にトークンモダリティとしてロボットアクションを追加することにより,VPMをロボット制御に拡張する。
VP-WorldBenchと既存の4D生成ベンチマークでは、点監督はビデオの忠実度と3Dモーションの精度の両方を改善している。
論文 参考訳（メタデータ） (2026-10-20T17:45:45Z) - A 3D-Driven Framework for Moving-Camera Perspective-to-360° Video Generation [24.644024672937647]
既存の方法は、1つの条件付きビデオモデルに異なる要件を割り当てる。
これら3つの責務を特殊なコンポーネントに分散するモジュール型3D駆動フレームワークを提案する。
我々はArgus評価セットの静的な部分集合上で、最先端の入力-ビューの忠実さ、知覚的品質、幾何学的整合性を実現する。
論文 参考訳（メタデータ） (2026-10-18T16:47:27Z) - Track2View: 4D-Consistent Camera-Controlled Video Generation via Paired 3D Point Tracks [18.57720960197565]
既存の方法は、フレームごとの埋め込み、ノイズの多いポイントクラウドレンダリング、暗黙の学習対応に依存している。
本研究では,ペアの3Dポイントトラック上でビデオ拡散変換を行うTrack2Viewを提案する。
Track2Viewの中核は、ソースからターゲットビューへ視覚コンテキストを転送するデュアルビュートラックコンディショナーである。
論文 参考訳（メタデータ） (2026-06-14T01:23:50Z) - VideoWeave: Unlocking Geometric Consistency in Video Generation via Joint Geometry-Video Modeling [49.98112719317813]
ビデオ拡散モデルは、時間とともに3D構造を保存できないことが多い。
既存の手法は通常、明示的な幾何再構成を用いて幾何整合を強制する。
我々は,暗黙的幾何モデルを用いて生成分布を制約する潜在空間後学習フレームワークであるVideoWeaveを提案する。
論文 参考訳（メタデータ） (2026-06-12T06:41:13Z) - Geometry-as-context: Modulating Explicit 3D in Scene-consistent Video Generation to Geometry Context [33.99324999592141]
Scene-Consistent Video Generationは、カメラの軌跡に基づいて3Dシーンを探索するビデオを作成することを目的としている。
従来の手法では、外部メモリを用いたビデオ生成モデルに一貫性がある。
これらの制限を克服するために、幾何・アズ・コンテクスト”を導入します。
論文 参考訳（メタデータ） (2026-02-25T14:09:03Z) - Vid-CamEdit: Video Camera Trajectory Editing with Generative Rendering from Estimated Geometry [41.904066758259624]
ビデオカメラトラジェクトリ編集のための新しいフレームワークであるVid-CamEditを紹介する。
我々のアプローチは、時間的に一貫した幾何を推定する2つのステップと、この幾何学によって導かれる生成的レンダリングからなる。
論文 参考訳（メタデータ） (2025-06-16T17:02:47Z) - Generating 3D-Consistent Videos from Unposed Internet Photos [68.944029293283]
カメラパラメータなどの3Dアノテーションを使わずに,スケーラブルな3D対応ビデオモデルをトレーニングする。
その結果,映像やマルチビューインターネット写真などの2次元データのみを用いて,シーンレベルの3D学習をスケールアップできることが示唆された。
論文 参考訳（メタデータ） (2024-11-20T18:58:31Z) - Video Autoencoder: self-supervised disentanglement of static 3D
structure and motion [60.58836145375273]
ビデオから3次元構造とカメラポーズの遠心分離表現を学習するために,ビデオオートエンコーダを提案する。
この表現は、新しいビュー合成、カメラポーズ推定、動きの追従によるビデオ生成など、様々なタスクに適用することができる。
論文 参考訳（メタデータ） (2021-10-06T17:57:42Z) - Online Adaptation for Consistent Mesh Reconstruction in the Wild [147.22708151409765]
入ってくるテストビデオに適用する自己教師型オンライン適応問題として、ビデオベースの再構成を行う。
我々は,野生で捕獲された動物を含む非剛体物体のビデオから,時間的に一貫した信頼性の高い3D構造を復元できることを実証した。
論文 参考訳（メタデータ） (2020-12-06T07:22:27Z)
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。