PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.22267v1cs.CV

내 샷을 훔쳤나? 생성형 영상에서 카메라 모션 표절 검출의 개척

Did You Steal My Shot? Pioneering Camera Motion Plagiarism Detection in Generative Videos

카메라 모션은 종종 연출 의도를 반영하며 전문 장비를 필요로 하므로, 지적 재산으로서 높은 가치를 지닌다. 그러나 생성형 비디오 모델은 단순한 프롬프트만으로 이러한 고가치 카메라 모션을 모방할 수 있는 반면, 기존 유사도 검출 방법은 주로 시각적 콘텐츠를 대상으로 동작하여 더 깊은 수준의 모션 유사성을 포착하지 못한다. 이는 주로 해당 방법들의 학습 데이터가 카메라 모션과 시각적 콘텐츠를 얽어놓기 때문이다. 또한 전통적인 optical flow만으로는 복잡한 카메라 모션을 표현하기에 불충분하다. 따라서 우리는 카메라 모션 분석을 위한 최초의 벤치마크를 구축하며, 11가지 모션 스타일을 포함하는 모션 데이터셋과 평가 프로토콜을 제시한다. 더 나아가 유체 역학의 vorticity(와도) 단서로 optical flow를 보강하는 모션 표현을 제안하여 모션을 더 잘 포착한다. 실험 결과, 제안 검출기는 가장 강한 기준선 대비 표절 검출에서 3.02*의 향상을 달성하였으며 생성형 영상에서도 효과를 유지한다. 우리는 본 연구가 저작권 보호를 정적 콘텐츠를 넘어 동적 카메라 모션까지 확장한다고 믿는다.

arXiv:2607.02417v1cs.RO

LIME: 에고센트릭 비디오로부터 의도 인식 카메라 모션 학습

LIME: Learning Intent-aware Camera Motion from Egocentric Video

자율 로봇이 의도에 맞는 시야를 능동적으로 확보할 수 있도록, LIME은 에고센트릭 비디오에서 자동 채굴한 다중 의도-카메라 모션 감독 신호를 활용해 자연어 의도와 현재 RGB 관측으로부터 상대적 SE(3) 목표 카메라 포즈를 예측하는 비전-언어 모델이다. 자기회귀적 관측 획득(observation-gain) 출력과 연속 플로우 매칭(flow-matching) 포즈 헤드를 결합한 설계로 다중 가설 시야를 표현하며, 조작·구현된 질의응답·다단계 로봇 태스크 등 다양한 다운스트림 과제에서 유효성을 입증했다.