論文の概要: UniCaMo: Unified Camera and Motion Control for Video Diffusion Models

• arxiv url: http://arxiv.org/abs/2611.00810v1
• Date: Sat, 31 Oct 2026 10:45:03 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:00:03.471583
• Title: UniCaMo: Unified Camera and Motion Control for Video Diffusion Models
• Title（参考訳）: UniCaMo:ビデオ拡散モデルのための統合カメラとモーションコントロール
• Abstract要約: 画像・テキスト・ビデオ拡散モデルにおけるカメラと物体の動きの協調制御のためのフレームワークである textbfUniCaMo を提案する。 参照画像、テキストプロンプト、スパース3Dオブジェクト軌跡、および3Dカメラ軌跡が与えられた場合、UniCaMoは、所望の動作を直接エンコードするモーション一貫性の入力ノイズを構築する。
• 参考スコア（独自算出の注目度）: 15.259059299612504
• License:
• Abstract: We present \textbf{UniCaMo}, an unified framework for joint control of camera and object motion in image-and-text-to-video diffusion models. Given a reference image, text prompt, sparse 3D object trajectories, and a 3D camera trajectory, UniCaMo constructs motion-consistent input noise that directly encodes the desired motion. Our 3D-grounded noise construction combines reference-derived noise propagation with a spherical Gaussian noise representation for newly revealed regions, providing a simple and effective motion prior without requiring reconstruction of unseen scene geometry. UniCaMo requires no architectural modifications or dedicated control modules and can be adapted using lightweight LoRA fine-tuning with low training data volume. Experiments on standard controllable video generation benchmarks demonstrate state-of-the-art motion controllability and high visual quality with minimal inference overhead.
• Abstract（参考訳）: 画像とテキストとビデオの拡散モデルにおけるカメラと物体の動きの協調制御のための統合フレームワークである \textbf{UniCaMo} を提案する。 参照画像、テキストプロンプト、スパース3Dオブジェクト軌跡、および3Dカメラ軌跡が与えられた場合、UniCaMoは、所望の動作を直接エンコードするモーション一貫性の入力ノイズを構築する。 提案する3次元グラウンドノイズ構造は, 参照型ノイズ伝搬と球面ガウス雑音表現を組み合わせ, 未知のシーン形状の再構成を必要とせず, よりシンプルで効果的な動きを提供する。 UniCaMoはアーキテクチャの変更や専用の制御モジュールを必要とせず、訓練データ量が少ない軽量なLoRAファインタニングで適応できる。 標準的な制御可能なビデオ生成ベンチマークの実験は、最小の推論オーバーヘッドで、最先端のモーション制御性と高い視覚的品質を示す。

関連論文リスト

• Track the Noise, Move the World:3D-Grounded Motion-Consistent Noise for Controllable Video Generation [14.852131707037655]
  オブジェクト軌跡とカメラ視点の同時制御を可能にする統合フレームワークUniCaMoを提案する。 UniCaMoは、潜伏するビデオフレームにまたがる3Dグラウンドのモーションコンシステントノイズスペースを共有できる。 標準的な制御可能なビデオ生成ベンチマークにおいて、映像品質とモーション制御性の両方を最新技術で実現している。
  論文  参考訳（メタデータ） (2026-07-02T22:17:20Z)
• SymphoMotion: Joint Control of Camera Motion and Object Dynamics for Coherent Video Generation [11.470401259593944]
  SymphoMotionは、単一のモデル内でカメラの軌跡とオブジェクトのダイナミクスを管理する統合モーションコントロールフレームワークである。 The SymphoMotion are shown that SymphoMotion are significantlyforms existing method in visual fidelity, camera controllability, and object-motion accuracy。
  論文  参考訳（メタデータ） (2026-04-04T12:59:24Z)
• M2DAO-Talker: Harmonizing Multi-granular Motion Decoupling and Alternating Optimization for Talking-head Generation [65.48046909056468]
  我々は,音声音声生成をビデオ前処理,モーション表現,レンダリング再構成を含む統一的なフレームワークに再構成する。 M2DAO-Talkerは2.43dBのPSNRの改善とユーザ評価ビデオの画質0.64アップで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-07-11T04:48:12Z)
• VD3D: Taming Large Video Diffusion Transformers for 3D Camera Control [74.5434726968562]
  制御ネットライクなコンディショニング機構を用いて3次元カメラ制御のためのトランスフォーマー映像の改ざん方法を示す。 我々の研究は、トランスフォーマーに基づくビデオ拡散モデルのカメラ制御を可能にする最初のものである。
  論文  参考訳（メタデータ） (2024-07-17T17:59:05Z)

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。