Chenxi Song, Yanming Yang, Tong Zhao, Ruibo Li, Joey Tianyi Zhou, Chi Zhang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31640 · open-access PDF
ビデオ拡散モデルは豊富な3D/4Dプリオールを学び、シーン生成およびビデオ再生成のための有望なものとなっています。しかし、スペースタスクでの使用は、不正確なカメラ制御、スペースおよび時間の不一致、シーンダイナミクスとのカメラの動きを混同させることによって制限されています。既存のアプローチ、タスク特有のフィンタリングおよびプロセス後の歪曲は、しばしばビジュアルアーティファクトを導入し、悪く一般化し、または高い計算コストを負います。我々は、プレトレーニングビデオモデルの生成能力を維持しながら、正確なカメラ制御を達成するためにWorldForge V2を提案します。
Machine translation (Meta M2M100); the English original follows.
Video diffusion models have learned rich 3D/4D priors, making them promising for scene generation and video re-rendering. However, their use in spatial tasks is limited by imprecise camera control, spatial and temporal inconsistencies, and entangled camera motion with scene dynamics. Existing approaches, such as task-specific fine-tuning and post-process warping, often introduce visual artifacts, generalize poorly, or incur high computational costs. We propose WorldForge V2 to achieve accurate camera control while preserving the generative capabilities of pretrained video models. We first deve
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31640, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange