論文の概要: TRACE: Trajectory Synchronization for Training-Free Resolution Extension in Video Generation
- arxiv url: http://arxiv.org/abs/2611.15983v1
- Date: Wed, 11 Nov 2026 20:34:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.270253
- Title: TRACE: Trajectory Synchronization for Training-Free Resolution Extension in Video Generation
- Title(参考訳): TRACE:ビデオ生成における訓練不要分解能拡張のための軌道同期
- Abstract要約: TRACEは、低解像度および高解像度の生成軌跡を同期させる訓練不要の手法である。
低解像度の予測と現在の高解像度状態から高解像度の更新を計算する。
局所的な窓の注意は、共有された高解像度の潜伏状態において細部を洗練させる。
- 参考スコア(独自算出の注目度): 56.4735829887584
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: More text-to-video models are available, but many remain limited to low resolutions. Training them for higher resolutions is costly, while existing training-free methods still struggle with fine detail, scene structure, and efficiency. We propose TRACE, a training-free method that synchronizes low- and high-resolution generation trajectories. During early denoising, TRACE aligns predicted scene content at corresponding noise levels. It computes high-resolution updates from low-resolution predictions and the current high-resolution state, without high-resolution model inference. The high-resolution trajectory retains fine-grained variation for generating new details. Local window attention then refines fine details in a shared high-resolution latent state. TRACE checks suspected duplicate subjects against the corresponding low-resolution layout and corrects selected regions and their solver history while preserving detail elsewhere. Experiments across all kinds of video generation backbones and resolutions show improved perceptual quality and text-video alignment over FreeSwim, a state-of-the-art training-free method, with 2.0-2.9x end-to-end speedups. Our code and models will be released at https://github.com/libozhu03/TRACE.
- Abstract(参考訳): より多くのテキスト・ビデオモデルが利用可能だが、多くは低解像度に限られている。
より高解像度のトレーニングにはコストがかかるが、既存のトレーニング不要の手法は細部、シーン構造、効率性に苦慮している。
TRACEは,低分解能・高分解能な生成軌道を同期させる訓練不要な手法である。
早い段階では、TRACEは予測されたシーンコンテンツを対応するノイズレベルに調整する。
高分解能モデル推論なしで、低分解能予測と現在の高分解能状態からの高分解能更新を計算する。
高解像度の軌道は、新しい詳細を生成するためのきめ細かい変化を保っている。
局所的な窓の注意は、共有された高解像度の潜伏状態において細部を洗練させる。
TRACEは、疑わしい重複した被写体を、対応する低解像度レイアウトに対してチェックし、他の場所で詳細を保存しながら、選択した領域とそのソルバ履歴を補正する。
あらゆる種類のビデオ生成バックボーンと解像度の実験は、最先端のトレーニング不要なFreeSwimに対する知覚品質とテキストビデオアライメントを改善し、2.0-2.9倍のエンドツーエンドのスピードアップを実現した。
私たちのコードとモデルは、https://github.com/libozhu03/TRACE.orgでリリースされます。
関連論文リスト
- WorldForge V2: Eliciting Camera-Trajectory Alignment in Video Diffusion Models [53.2667526966898]
ビデオ拡散モデルはリッチな3D/4Dプリエントを学習し、シーン生成とビデオ再レンダリングを約束している。
タスク固有の微調整や後処理のワープといった既存のアプローチでは、視覚的なアーティファクトを導入したり、一般化が不十分だったり、計算コストが高かったりすることが多い。
我々は,事前学習ビデオモデルの生成能力を保ちながら,正確なカメラ制御を実現するためにWorldForge V2を提案する。
論文 参考訳(メタデータ) (2026-10-22T17:53:03Z) - Accelerating Training of Autoregressive Video Generation Models via Local Optimization with Representation Continuity [57.83511884904928]
本研究では,実証分析による自己回帰映像生成モデルの訓練を高速化する手法を検討する。
その結果,少ないビデオフレームでのトレーニングではトレーニング時間が大幅に短縮される一方で,エラーの蓄積が悪化し,生成したビデオに矛盾が生じることが判明した。
リプシッツ連続性に触発されて、生成されたビデオの一貫性を改善するためにRepresentation Continuity(ReCo)戦略を提案する。
論文 参考訳(メタデータ) (2026-04-08T09:43:03Z) - ViBe: Ultra-High-Resolution Video Synthesis Born from Pure Images [30.646542711556787]
トランスフォーマーに基づくビデオ拡散モデルは、空間的および時間的トークンに対する3次元の注意に依存している。
我々は,高解像度映像を合成するために,ネイティブスケールで事前学習したビデオ拡散変換器をアップグレードする純粋な画像適応フレームワークを提案する。
論文 参考訳(メタデータ) (2026-03-24T15:27:22Z) - CineScale: Free Lunch in High-Resolution Cinematic Visual Generation [42.81729840016782]
我々は,高解像度な視覚生成を実現するための新しい推論パラダイムであるCineScaleを提案する。
提案手法は,8k画像生成を微調整なしで実現し,最小限のLoRA微調整で4kビデオ生成を実現する。
論文 参考訳(メタデータ) (2025-08-21T17:59:57Z) - Training-free Diffusion Acceleration with Bottleneck Sampling [37.9135035506567]
Bottleneck Samplingは、低解像度の事前処理を活用して、出力の忠実さを維持しながら計算オーバーヘッドを低減する、トレーニング不要のフレームワークである。
画像生成に最大3$times$、ビデオ生成に2.5$times$、標準のフル解像度サンプリングプロセスに匹敵する出力品質を維持しながら、推論を加速する。
論文 参考訳(メタデータ) (2025-03-24T17:59:02Z) - FreeScale: Unleashing the Resolution of Diffusion Models via Tuning-Free Scale Fusion [50.43304425256732]
FreeScaleは、スケール融合による高解像度のビジュアル生成を可能にする、チューニング不要な推論パラダイムである。
画像モデルとビデオモデルの両方において高解像度の視覚生成機能を拡張する。
論文 参考訳(メタデータ) (2024-12-12T18:59:59Z) - Any-resolution Training for High-resolution Image Synthesis [55.19874755679901]
生成モデルは、様々な大きさの自然画像であっても、一定の解像度で動作します。
すべてのピクセルが重要であり、そのネイティブ解像度で収集された可変サイズのイメージを持つデータセットを作成する、と我々は主張する。
ランダムなスケールでパッチをサンプリングし、可変出力解像度で新しいジェネレータを訓練するプロセスである。
論文 参考訳(メタデータ) (2022-04-14T17:59:31Z) - Investigating Tradeoffs in Real-World Video Super-Resolution [90.81396836308085]
実世界のビデオ超解像(VSR)モデルは、一般化性を改善するために様々な劣化で訓練されることが多い。
最初のトレードオフを軽減するために,性能を犠牲にすることなく,最大40%のトレーニング時間を削減できる劣化手法を提案する。
そこで本研究では,多種多様な実世界の低品質映像系列を含むビデオLQデータセットを提案する。
論文 参考訳(メタデータ) (2021-11-24T18:58:21Z)
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。