論文の概要: Chronos: Sequential Identity-Preserving Video Generation by Temporal Anchoring
- arxiv url: http://arxiv.org/abs/2611.05893v1
- Date: Wed, 04 Nov 2026 03:31:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.9326
- Title: Chronos: Sequential Identity-Preserving Video Generation by Temporal Anchoring
- Title（参考訳）: Chronos: 時間アンコリングによるシーケンスID保存ビデオ生成
- Abstract要約: クロノス(Chronos)は、共通の時間的定式化の下で、単一セグメントの顔のアイデンティティ保存とシーケンシャルなアクション生成を統一するフレームワークである。
ACM MM 2026 アイデンティティ保存ビデオ生成チャレンジのトラック1とトラック2で1位を獲得した。
- 参考スコア（独自算出の注目度）: 49.32784610749076
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Identity-preserving video generation aims to synthesize high-quality and visually realistic videos from textual and visual conditions while faithfully maintaining the subject's identity across diverse motions. Prior methods have extensively introduced reference-guided control signals and identity-aware conditioning to improve facial alignment from reference images. However, improving static identity alignment alone creates a fundamental tension between identity fidelity and temporal controllability, which frequently causes identity drift or motion suppression under large pose variations and multi-segment sequential actions. To address this, we propose Chronos, a framework that unifies single-segment facial identity preservation and multi-segment sequential action generation under a common temporal formulation. Specifically, Chronos integrates Semantic Prompt Anchoring to adaptively refine the user prompt, Visual Frame Anchoring to transform conditions into visually grounded keyframe anchors for visual guidance, and Metric-Guided Candidate Routing to select the highest-quality videos from heterogeneous generators via multi-dimensional evaluation. Extensive evaluations demonstrate the superiority of our approach, which achieved first place in both Track 1 and Track 2 of the ACM MM 2026 Identity-Preserving Video Generation Challenge, demonstrating its effectiveness across both facial identity preservation and sequential action generation settings.
- Abstract（参考訳）: アイデンティティ保存ビデオ生成は、テキストや視覚的条件から高品質で視覚的にリアルな映像を合成することを目的としており、多様な動きにまたがって被験者のアイデンティティを忠実に維持することを目的としている。
従来の手法では、参照画像からの顔のアライメントを改善するために、参照誘導制御信号とアイデンティティ認識条件が広く導入されてきた。
しかし、静的なアイデンティティアライメントの改善だけでは、アイデンティティの忠実度と時間的制御性の間に根本的な緊張が生じ、大きなポーズのバリエーションや複数セグメントのシーケンシャルなアクションの下で、アイデンティティのドリフトや動きの抑制が頻繁に生じる。
そこで我々はChronosを提案する。Chronosは、共通の時間的定式化の下で、単一セグメントの顔のアイデンティティ保存と複数セグメントのシーケンシャルアクション生成を統一するフレームワークである。
具体的には、セマンティック・プロンプト・アンチョリング(Semantic Prompt Anchoring)を統合し、ユーザプロンプトを適応的に洗練させ、ビジュアルフレームアンチョリング(Visual Frame Anchoring)は、条件を視覚的に接地されたキーフレームアンカーに変換し、メトリガイド付き候補ルーティング(Metric-Guided Candidate Routing)は、多次元評価によって異質なジェネレータから高品質なビデオを選択する。
ACM MM 2026 Identity-Preserving Video Generation Challengeのトラック1とトラック2で1位となり、顔認証とシーケンシャルアクション生成の双方で有効性を示した。
関連論文リスト
- Vorch-IR: Long-Form Unified Multimodal Identity Replacement Video Generation [28.493796603648175]
Vorch-IRは、シングルモデルとデュアルパーソンのアイデンティティ置換をサポートする統一フレームワークで、オプションのバックグラウンド置換を単一のモデルでサポートする。
LTX2上に構築されたVorch-IRは、駆動ビデオ、インデックス付き参照画像、テキスト編集命令を共同で行う。
自動測定とペアワイズ人間評価を用いた実験は, 多様なシナリオにおける強いアイデンティティ保存, 動きの忠実度, 時間的コヒーレンスを示す。
論文 参考訳（メタデータ） (2026-08-06T06:46:35Z) - GroupVideo: Multi-Identity Customized Text-to-Video Generation [53.89036635198158]
GroupVideoは、複数の個人写真を利用して、アイデンティティをカスタマイズしたビデオを生成する新しいフレームワークである。
GroupVideoにはマルチモーダルなアイデンティティアライメントが組み込まれており、セマンティックアライメントは動きの自然性を高めるセマンティックな知覚を導入している。
マルチIDビデオデータセットが不足しているため、我々は20,000のビデオの包括的な高品質なデータセットをキュレートした。
論文 参考訳（メタデータ） (2026-07-23T08:09:04Z) - Keyframe-Anchored Identity Preservation for Sequential-Action Video Generation [10.89407870318018]
IPVG26チャレンジは、このフレームワークを単一の全体的プロンプトから時間的に構造化された仕様まで拡張している。
この時間構造は、以前のアイデンティティ保存生成タスクで遭遇しなかった課題を示す。
私たちはこの課題に,トレーニング不要で3段階のパイプラインフレームワークで対処しています。
論文 参考訳（メタデータ） (2026-07-20T14:16:49Z) - AnyID: Ultra-Fidelity Universal Identity-Preserving Video Generation from Any Visual References [52.81991915377852]
我々は,超忠実なアイデンティティ保存ビデオ生成フレームワークであるAnyIDを提案する。
まず,不均一な同一性入力を結合表現に効果的に統一する,スケーラブルなオムニ参照アーキテクチャを提案する。
第2に、1つの参照を標準アンカーとして指定し、新しい微分プロンプトを用いて正確な属性レベルの制御を可能にする一次参照生成パラダイムを提案する。
論文 参考訳（メタデータ） (2026-03-26T08:54:48Z) - Slot-ID: Identity-Preserving Video Generation from Reference Videos via Slot-Based Temporal Identity Encoding [30.62635724018122]
拡散変圧器ビデオジェネレータの同一条件の変種について述べる。
短いクリップでは、ポーズや照明を横切る笑顔の作り方など、主題固有のパターンが明らかになっている。
このアプローチは、大きなポーズの変化と表現力のある顔行動の下で、恒常的にアイデンティティの保持を改善する。
論文 参考訳（メタデータ） (2026-01-04T03:41:55Z) - Identity-Preserving Text-to-Video Generation Guided by Simple yet Effective Spatial-Temporal Decoupled Representations [131.33758144860988]
アイデンティティ保存型テキスト・ツー・ビデオ(IPT2V)生成は、一貫した人間のアイデンティティを持つ高忠実度ビデオを作成することを目的としている。
現在のエンドツーエンドフレームワークは、重要な空間的・時間的トレードオフを被る。
本稿では,表現をレイアウトの空間的特徴と運動力学の時間的特徴に分解する,シンプルで効果的な空間時空間分離フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-07T06:54:44Z) - Proteus-ID: ID-Consistent and Motion-Coherent Video Customization [17.792780924370103]
ビデオアイデンティティのカスタマイズは、単一の参照画像とテキストプロンプトを与えられた特定の主題の現実的で時間的に整合したビデオを合成しようとする。
この課題は、説明された外観や動作と整合しながらアイデンティティの整合性を維持すること、非現実的な剛性のない自然な流体運動を生成することである。
Proteus-IDは、アイデンティティ一貫性とモーションコヒーレントなビデオカスタマイズのための、新しい拡散ベースのフレームワークである。
論文 参考訳（メタデータ） (2025-06-30T11:05:32Z)
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。