Chenxi Song, Yanming Yang, Tong Zhao, Ruibo Li, Joey Tianyi Zhou, Chi Zhang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31640 · open-access PDF
Os modelos de difusão de vídeo aprenderam os ricos antecedentes 3D/4D, tornando-os promissores para geração de cena e retorno de vídeo. No entanto, seu uso em tarefas espaciais é limitado por controle de câmera impreciso, inconsistências espaciais e temporais, e movimento de câmera entrelaçado com dinâmica de cena. Abordagens existentes, como ajuste fino específico de tarefas e distorção pós-processo, muitas vezes introduzem artefatos visuais, generalizam mal ou suportam altos custos de computação. Propomos WorldForge V2 para alcançar controle de câmera preciso, preservando as capacidades de geração de modelos de vídeo pré-treinados.
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