MoRight: モーション制御を正しく行う

- ユーザ指定の動作で物理的に妥当なシーン動態を生成し、視点も自由に選べる motion-controlled video 生成フレームワーク MoRight を提案。 - 課題は (1) 物体運動とカメラ視点を分離制御する disentangled motion control、(2) ユーザ動作が他物体の反応を引き起こす motion causality の2点。 - 既存手法は両者を単一の tracking signal に混在させ、運動を因果関係なしの kinematic displacement として扱う。 - MoRight は active/passive 運動分解と cross-view attention でこれらを統一的に解決する。

- 既存手法は camera と object の運動を単一の tracking signal に絡めて扱い、分離制御ができない。 - また運動を因果関係のない kinematic displacement として扱い、他物体の反応をモデル化しない。 - MoRight は canonical static-view で物体運動を指定し、temporal cross-view attention で任意視点へ転送することで camera/object を分離。 - さらに運動を active/passive に分解し、データから motion causality を学習。forward/inverse 両推論を可能にする点が新しい。

- 物体運動を canonical static-view で指定し、temporal cross-view attention により任意の target camera viewpoint へ転送。これで camera と object の制御を分離。 - 運動を active (user-driven) と passive (consequence) に分解し、データから motion causality を学習。 - 推論時は active motion を入力して結果を予測 (forward reasoning)、または望む passive outcome を指定して駆動動作を復元 (inverse reasoning)。 - いずれの場合もカメラ視点は自由に調整可能。

- 3つの benchmarks で実験を実施。 - generation quality、motion controllability、interaction awareness の各指標で state-of-the-art 性能を達成したと報告。 - 具体的なデータセット名や評価指標の詳細は要旨からは不明。

- 要旨では限界や失敗例、計算コスト、データ依存性などの議論には触れていない。 - 議論の有無や内容は要旨からは不明。

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として motion-controlled video generation、disentangled motion control、motion causality を扱う同分野の定番研究 (例: 拡散モデルベースの video generation、camera control 手法) を次に読むべき。 - 具体的な論文名は要旨からは不明。