日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

動的視点合成arXiv:2601.16982

AnyView: 動的シーンにおける任意の新規視点を合成

AnyView: Synthesizing Any Novel View in Dynamic Scenes

シェア:XThreadsFacebookLINEはてブBluesky

拡散モデルベースの動画生成フレームワークで、動的な実世界シーンにおいて任意のカメラ視点からの時空間的に一貫した新規動画を生成する。

詳しい要約

1. どんなもの?

- 動的シーンにおける新規視点合成のための拡散ベース動画生成フレームワーク。 - 任意のカメラ位置・軌道からゼロショットで新規動画を生成する。 - 単眼(2D)、多視点静的(3D)、多視点動的(4D)データを活用。 - 幾何学的仮定や帰納バイアスを最小限に抑える。 - 新ベンチマークAnyViewBenchを提案し、極端な動的視点合成を評価。

2. 先行研究と比べてどこがすごい?

- 既存の生成動画モデルは多視点・時空間一貫性の維持が困難。 - 多くのベースラインは視点間の重なりを必要とし、極端な動的設定で性能が急落。 - AnyViewは任意視点から現実的で時空間一貫性のある動画を生成可能。 - 標準ベンチマークで競争力のある結果を示す。

3. 技術・手法の肝は?

- 拡散ベースの動画生成フレームワーク。 - 複数データソース(2D/3D/4D)を活用し、汎用時空間暗黙表現を学習。 - ゼロショットで任意カメラ位置・軌道からの新規動画生成を実現。 - 幾何学的仮定や帰納バイアスを最小化。

4. どうやって有効だと検証した?

- 標準ベンチマークで評価し、最先端手法と競争力のある結果を確認。 - 新ベンチマークAnyViewBenchを提案し、極端な動的視点合成を評価。 - 極端な設定でベースラインが性能劣化する一方、AnyViewは一貫性を維持。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、NeRF (Neural Radiance Fields)、Dynamic NeRF、Diffusion Models for Video Generation、View Synthesis 関連の研究が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Basile Van Hoorick, Dian Chen, Shun Iwase, Pavel Tokmakov, Muhammad Zubair Irshad, Igor Vasiljevic, Swati Gupta, Fangzhou Cheng, Sergey Zakharov, Vitor Campagnolo Guizilini

分類: cs.CV, cs.LG, cs.RO

原文アブストラクト

Modern generative video models excel at producing convincing, high-quality outputs, but struggle to maintain multi-view and spatiotemporal consistency in highly dynamic real-world environments. In this work, we introduce \textbf{AnyView}, a diffusion-based video generation framework for \emph{dynamic view synthesis} with minimal inductive biases or geometric assumptions. We leverage multiple data sources with various levels of supervision, including monocular (2D), multi-view static (3D) and multi-view dynamic (4D) datasets, to train a generalist spatiotemporal implicit representation capable of producing zero-shot novel videos from arbitrary camera locations and trajectories. We evaluate AnyView on standard benchmarks, showing competitive results with the current state of the art, and propose \textbf{AnyViewBench}, a challenging new benchmark tailored towards \emph{extreme} dynamic view synthesis in diverse real-world scenarios. In this more dramatic setting, we find that most baselines drastically degrade in performance, as they require significant overlap between viewpoints, while AnyView maintains the ability to produce realistic, plausible, and spatiotemporally consistent videos when prompted from \emph{any} viewpoint. Results, data, code, and models can be viewed at: https://tri-ml.github.io/AnyView/

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI