論文の概要: Micro-Edits: Computational Support for Fine-Scale Edits in Film
- arxiv url: http://arxiv.org/abs/2610.40653v1
- Date: Thu, 29 Oct 2026 17:59:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 06:12:35.30921
- Title: Micro-Edits: Computational Support for Fine-Scale Edits in Film
- Title（参考訳）: マイクロ編集:映画における微細編集の計算支援
- Abstract要約: 映画編集において、全てのフレームが重要である。マクロ、コンテンツレベルの編集は、映画の高レベルな物語を形成するが、小さなローカルな編集は、しばしばタイミングと直接的な視覚的注意を制御している。
これらの小さな詳細な編集は、ユーザーが高レベルな物語目標を低レベルなフレーム単位の調整にマップする必要があるため、標準の編集ツールでは遅くて面倒である。
同時に、マイクロエジット(micro-edits)と呼ばれるこれらの微調整はニュアンスで表現力があり、異なる選択が創造的な目標を提供する。
私たちは、AIと最適化を活用して、マイクロエジットの探索をよりシンプルにするためのツールを開発しています。
- 参考スコア（独自算出の注目度）: 13.94954370196554
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In film editing, every frame matters. While macro, content-level edits shape the high-level narrative of a film, small local edits often control timing and direct visual attention. For example, editors can adjust the precise timing of clips to control the length of a meaningful silence, or cut to shots that highlight a specific character's reactions to important moments. These small, detailed edits are slow and tedious to make in standard editing tools because users have to map high-level narrative goals to low-level frame-by-frame adjustments. At the same time, these fine-scale adjustments, which we call micro-edits, can be nuanced and expressive, with different choices serving different creative goals. In this work, we start by conducting a formative study with professional editors to understand the structure of micro-edits and how they are used. We then derive a mathematical formalization for this structure to develop tools that leverage AI and optimization to make exploring micro-edits simpler and more efficient for users. Finally, we validate our tools in multiple user studies and a wide range of video examples.
- Abstract（参考訳）: フィルム編集では、すべてのフレームが重要になります。
マクロ、コンテンツレベルの編集は映画のハイレベルな物語を形作るが、小さなローカルな編集は、しばしばタイミングと直接的な視覚的注意を制御している。
例えば、編集者はクリップの正確なタイミングを調整して意味のあるサイレントの長さを制御したり、特定のキャラクターの反応を重要な瞬間にハイライトするショットにカットすることができる。
これらの小さな詳細な編集は、ユーザーが高レベルな物語目標を低レベルなフレーム単位の調整にマップする必要があるため、標準の編集ツールでは遅くて面倒である。
同時に、マイクロエジット(micro-edits)と呼ばれるこれらの微調整はニュアンスで表現力があり、異なる選択が創造的な目標を提供する。
本研究は,マイクロエディタの構造と使用方法を理解するために,プロの編集者とフォーマティブな研究を行うことから始める。
そして、この構造を数学的に定式化し、AIと最適化を活用して、ユーザにとってよりシンプルで効率的なマイクロ編集を探索するツールを開発する。
最後に、複数のユーザー研究と幅広いビデオ例でツールを検証した。
関連論文リスト
- FlowDC: Flow-Based Decoupling-Decay for Complex Image Editing [52.54102743380658]
本稿では,複雑な編集を複数のサブ編集エフェクトに分離し,編集プロセス中に並列に重畳するFlowDCを提案する。
FlowDCは既存の方法に比べて優れた結果を示した。
論文 参考訳（メタデータ） (2025-12-12T09:08:39Z) - Instruction-based Time Series Editing [1.8175282137722093]
時系列編集では、ある時系列のプロパティを変更せずに変更することを目的としている。
既存の拡散ベースのエディタは、厳密で定義済みの属性ベクトルを条件として依存し、サンプリングを通じてオール・オー・ナッシングの編集を生成する。
Instruction-based Time Series Editingでは、ユーザが自然言語を使って意図した編集を指定できる。
次に、最初の命令ベースの時系列エディタであるInstructTimeを紹介します。
論文 参考訳（メタデータ） (2025-08-02T22:03:54Z) - VIA: Unified Spatiotemporal Video Adaptation Framework for Global and Local Video Editing [91.60658973688996]
我々は,グローバルなローカルビデオ編集のための統合ビデオ適応フレームワークであるVIAを導入し,一貫したビデオ編集の限界を推し進める。
本研究では,各フレーム内の局所的な一貫性を確保するため,事前学習した画像編集モデルに適応するテスト時間編集適応を設計した。
また,VIAは長時間の映像編集を一貫した時間で行うことができ,ビデオ編集作業が長続きする可能性を秘めていることを示す。
論文 参考訳（メタデータ） (2024-06-18T17:51:37Z) - RealCraft: Attention Control as A Tool for Zero-Shot Consistent Video Editing [9.215070588761282]
本研究では,ゼロショット映像編集のためのアテンション制御方式であるRealCraftを提案する。
新たな特徴注入にクロスアテンションを切り替え、編集対象の空間的注意を緩和することにより、局所的な形状の編集を実現する。
提案するゼロショットアテンション制御方式を,様々なビデオで紹介し,形状,時間一貫性,パラメータフリーな編集方法を示した。
論文 参考訳（メタデータ） (2023-12-19T22:33:42Z) - Optimisation-Based Multi-Modal Semantic Image Editing [58.496064583110694]
本稿では,複数の編集命令型に対応するために,推論時編集の最適化を提案する。
各損失関数の影響を調整することで、ユーザの好みに合わせてフレキシブルな編集ソリューションを構築することができる。
本手法は,テキスト,ポーズ,スクリブルといった編集条件を用いて評価し,複雑な編集を行う能力を強調した。
論文 参考訳（メタデータ） (2023-11-28T15:31:11Z) - Object-aware Inversion and Reassembly for Image Editing [61.19822563737121]
オブジェクトレベルのきめ細かい編集を可能にするために,オブジェクト認識型インバージョンと再アセンブリ(OIR)を提案する。
画像の編集時に各編集ペアに対して最適な反転ステップを見つけるために,検索基準を用いる。
本手法は,オブジェクトの形状,色,材料,カテゴリなどの編集において,特に多目的編集シナリオにおいて優れた性能を発揮する。
論文 参考訳（メタデータ） (2023-10-18T17:59:02Z) - EditGAN: High-Precision Semantic Image Editing [120.49401527771067]
EditGANは高品質で高精度なセマンティック画像編集のための新しい手法である。
EditGANは前例のない細部と自由度で画像を操作可能であることを示す。
また、複数の編集を組み合わせることも簡単で、EditGANのトレーニングデータ以外の編集も可能になります。
論文 参考訳（メタデータ） (2021-11-04T22:36:33Z)
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。