SyncVid：同期ビデオ生成のための世界不変拡散モデル

arXiv:2610.31765v1 発表タイプ：新規 要旨：単一の参照映像から動的シーンの複数の映像を生成するには、視点間で観測された内容と観測されていない内容を一貫して合成する必要があります。既存のビデオ拡散におけるカメラ制御手法は、通常、カメラ埋め込み、クロスビュー注意機構、幾何学的条件付けなどのアーキテクチャ上の仕組みに依存しています。静的なシーンコンテンツに対しては有効であっても、これらの手法は、視点間および時間経過において一貫性が求められる細部にわたる動的ジオメトリに対処するのが困難であることがしばしばあります。私たちは、各2次元画像平面で独立にサンプリングを行うのではなく、ソース映像から導かれる標準的な3D空間においてガウスノイズの事前分布をサンプリングし、それをターゲットとなるカメラへラスタライズすることで、拡散プロセス自体を同期させています。私たちのm