본문으로 건너뛰기

#Video Synthesis

7개의 포스트

[논문리뷰] From Synthesis to Removal: Physics-Grounded Reflection Simulation and Diffusion-Based Video Dereflection

본 논문은 유리창 너머 촬영된 비디오에서 반사를 제거하기 위한 체계적인 비디오 복원 프레임워크를 제안합니다. 기존 비디오 반사 제거 연구는 한 쌍의 데이터(Paired Data) 부족과 시간적 일관성(Temporal Coherence)을 확보할 수 있는 모델 설계의 어려움으로 인해 크게 발전하지 못했습니다.
#Review#Video Dereflection#Diffusion Models#Physics-Grounded Simulation#Reflection Removal#Video Synthesis#Temporally Coherent
댓글 수 로딩 중

[논문리뷰] CoInteract: Physically-Consistent Human-Object Interaction Video Synthesis via Spatially-Structured Co-Generation

본 논문은 사람·물체·텍스트·음성을 입력으로 받는 인간-객체 상호작용(HOI) 비디오 합성에서, 손과 얼굴의 구조적 안정성과 물리적으로 타당한 접촉을 보장하기 위해 Human-Aware MoE와 Spatially-Structured Co-Generation을 결합한 CoInteract을 제안합니다.
#Review#Human-Object Interaction#Diffusion Transformer#Video Synthesis#Mixture of Experts#Physical Consistency#Co-Generation
댓글 수 로딩 중

[논문리뷰] Lynx: Towards High-Fidelity Personalized Video Generation

본 논문은 단일 입력 이미지로부터 고품질의 개인화된 비디오를 합성 하는 모델인 Lynx를 제시하며, 특히 높은 신원 보존 을 목표로 합니다. 기존 비디오 생성 모델의 한계인 대상의 신원 불일치 문제를 해결하고, 시간적 일관성과 시각적 사실성을 유지하는 비디오 생성을 목표로 합니다.
#Review#Personalized Video Generation#Diffusion Transformer#Identity Preservation#Video Synthesis#Adapter Networks#Facial Recognition#Cross-Attention
댓글 수 로딩 중

[논문리뷰] Mixture of Contexts for Long Video Generation

본 논문은 Diffusion Transformer (DiT) 기반의 장시간 비디오 생성 모델에서 발생하는 quadratic cost의 self-attention 문제로 인한 연산 및 메모리 비효율성을 해결하고, 모델이 긴 시퀀스에 걸쳐 일관된 장기 기억 을 유지하면서 표류하거나 붕괴되지 않도록 하는 것을 목표로 합니다.
#Review#Long Video Generation#Diffusion Transformers (DiT)#Sparse Attention#Context Routing#Memory Management#Generative Models#Video Synthesis
댓글 수 로딩 중