論文の概要: Regional Anchor Routing for Multi-Object Motion Transfer

• arxiv url: http://arxiv.org/abs/2610.39478v1
• Date: Thu, 29 Oct 2026 06:46:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 23:42:53.696911
• Title: Regional Anchor Routing for Multi-Object Motion Transfer
• Title（参考訳）: 多目的運動伝達のための地域アンカールーティング
• Abstract要約: RARTは、多目的モーション転送のための凍結ビデオDiffusion Transformerにオブジェクト・ワイド・モーション抽出、ターゲット領域アンカー、フレーム・アライン・インジェクションを統合するフレームワークである。 実験により、RARTは正確な運動保存、効率的な推論、強い構成一般化を実現することが示された。
• 参考スコア（独自算出の注目度）: 16.36762749340828
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compositional motion transfer requires a model to extract motions from multiple reference videos, and apply each motion to a user-specified object in one target scene. Existing methods normally struggle to reliably assign different reference motions to the correct target objects, thus a motion intended for one object may affect another. Meanwhile, some motion-specific tuning approaches are still facing another issue: they must run a new optimization whenever the reference video changes, making repeated transfers inefficient. To address these limitations, we propose RART, a framework that unifies object-wise motion extraction, target-region anchoring, and frame-aligned injection into a frozen video Diffusion Transformer for multi-object motion transfer. For each reference motion, RART extracts temporally ordered features from the masked reference video, and then conditions them on the target first-frame mask to form mask-anchored motion tokens. Frame-aligned motion cross-attention allows each generated frame to read only the motion tokens at the corresponding time slots, composing all object motions in one denoising process. During training, a motion-attention routing loss encourages each target region to attend to its corresponding motion tokens and reduces interference between objects. Therefore, RART can handle novel reference-target combinations without per-video optimization. Experiments show that RART achieves accurate motion preservation, efficient inference, and strong compositional generalization.
• Abstract（参考訳）: 構成的な動き伝達は、複数の参照ビデオから動きを抽出し、各動きを1つのターゲットシーンでユーザが指定したオブジェクトに適用するモデルを必要とする。 既存の手法は通常、異なる参照動作を正しい対象物に確実に割り当てるのに苦労するため、ある対象物に対して意図された動作が別の対象に影響を及ぼす可能性がある。 一方、モーション固有のチューニングアプローチでは、参照ビデオが変更されるたびに新しい最適化を実行し、繰り返し転送を非効率にする、という別の問題に直面している。 これらの制約に対処するため、多目的モーション転送のための凍結ビデオ拡散変換器にオブジェクト・ワイド・モーション抽出、ターゲット領域アンカー、フレーム・アライン・インジェクションを統一するフレームワーク RART を提案する。 各参照動作に対して、RARTはマスク付き参照ビデオから時間的に順序付けられた特徴を抽出し、ターゲットの第一フレームマスクにそれらを条件付けしてマスクアンコールされたモーショントークンを形成する。 フレームアラインのモーションクロスアテンションにより、生成されたフレームは対応するタイムスロットでのモーショントークンのみを読み取ることができ、すべてのオブジェクトの動きを1つの認知プロセスで構成することができる。 トレーニング中、モーションアテンションルーティング損失は、各ターゲット領域が対応するモーショントークンに参加することを奨励し、オブジェクト間の干渉を低減する。 したがって、RARTはビデオごとの最適化なしに新しい参照とターゲットの組み合わせを処理できる。 実験により、RARTは正確な運動保存、効率的な推論、強い構成一般化を実現することが示された。

関連論文リスト

• MotionShift: Environment-Compatible Motion Transfer via Planner-Evaluator Synergistic Adaptation [49.94409282987661]
  MotionShiftは、ターゲットシーンとの物理的互換性を確保しつつ、高忠実度モーショントランスファーを実現する新しいモーショントランスファーフレームワークである。 既存の軌道条件付きI2VモデルにMotionShiftを組み込むことができ、現実的なモーショントランスファー機能を持たせることができる。
  論文  参考訳（メタデータ） (2026-10-18T14:11:39Z)
• Let Your Image Move with Your Motion! -- Implicit Multi-Object Multi-Motion Transfer [37.5894309503857]
  マルチオブジェクト・マルチモーション・トランスファーを可能にする最初の暗黙的イメージ・ツー・ビデオ(I2V)モーション・トランスファー・フレームワークであるFlexiMMTを提案する。 静的なマルチオブジェクト画像と複数の参照ビデオが与えられた場合、FlexiMMTは独立して動きの表現を抽出し、それらを異なるオブジェクトに正確に割り当てる。 We show that FlexiMMT achieves exact, compositional, and state-of-the-art performance in I2V-based multi-ject multi-motion transfer。
  論文  参考訳（メタデータ） (2026-03-01T09:03:05Z)
• Motion Marionette: Rethinking Rigid Motion Transfer via Prior Guidance [26.642143303176997]
  Motion Marionetteは、モノクルソースビデオからシングルビューターゲット画像への厳格なモーション転送のためのフレームワークである。 動画から動き軌跡を抽出して空間時間(SpaT)を予め構築する。 結果の速度場は、効率的なビデオ制作に柔軟に利用することができる。
  論文  参考訳（メタデータ） (2025-11-25T04:34:42Z)
• MotionShot: Adaptive Motion Transfer across Arbitrary Objects for Text-to-Video Generation [23.051430600796277]
  MotionShotは、参照ターゲット対応をきめ細かい方法で解析するためのフレームワークである。 顕著な外観や構造の違いがあっても、物体を横切る動きをコヒーレントに転送することができる。
  論文  参考訳（メタデータ） (2025-07-22T07:51:05Z)
• Follow-Your-Motion: Video Motion Transfer via Efficient Spatial-Temporal Decoupled Finetuning [50.4776422843776]
  Follow-Your-Motionは、効率的な2段階ビデオモーション転送フレームワークである。 本稿では,空間的外観と時間的動き処理のための注意構造を分離する空間的時間的疎結合LoRAを提案する。 第2のトレーニング段階では、調整速度を高速化するためにスパース動作サンプリングと適応RoPEを設計する。
  論文  参考訳（メタデータ） (2025-06-05T16:18:32Z)
• Segment Any Motion in Videos [80.72424676419755]
  本研究では,長距離軌道運動キューとDINOに基づく意味的特徴を組み合わせた移動物体セグメンテーションを提案する。 本モデルでは,動作を優先し,セマンティックサポートを統合しつつ,時空間軌道注意と動き・セマンティック・デカップリング・エンベディングを用いた。
  論文  参考訳（メタデータ） (2025-03-28T09:34:11Z)
• Spectral Motion Alignment for Video Motion Transfer using Diffusion Models [54.32923808964701]
  スペクトル運動アライメント(英: Spectral Motion Alignment、SMA)は、フーリエ変換とウェーブレット変換を用いて運動ベクトルを洗練・整列するフレームワークである。 SMAは周波数領域の正規化を取り入れて動きパターンを学習し、全体フレームのグローバルな動きのダイナミクスの学習を容易にする。 大規模な実験は、様々なビデオカスタマイズフレームワーク間の計算効率と互換性を維持しながら、モーション転送を改善するSMAの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-22T14:47:18Z)

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。