PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.03636v1cs.CV

LoGo: 일관된 장기 비디오 생성을 위한 국소-전역 보상

LoGo: Local-Global Rewards for Consistent Long-Horizon Video Generation

카메라 제어 비디오 모델은 긴 생성 범위(horizon)와 복잡한 카메라 제어를 향해 빠르게 발전하고 있습니다. 주요 실패 모드는 3D 불일치로, 카메라가 움직임에 따라 객체의 영속성이 사라지고 장면 구조가 왜곡되는 현상입니다. 전체 생성 결과에 단일 스칼라 보상(reward)을 할당하는 기존 사후 학습(post-training) 기법은 긴 범위에 걸쳐 이러한 불일치를 교정하는 데 적합하지 않습니다. 본 논문에서는 카메라 제어 비디오 모델을 위해 전역 보상과 공간적으로 국소화된 보상을 결합한 LoGo를 소개합니다. 국소 보상은 세분화된 신용 할당(credit assignment)을 제공하여 3D 일관성을 대폭 향상시키는 한편, 전역 보상은 카메라 추종과 비디오 품질을 유지합니다. 세 가지 베이스 모델 전반에서 LoGo는 DL3DV와 현재 평가 체계에 부재했던 긴 범위 및 복잡한 카메라 제어 생성을 위한 새로운 벤치마크인 TrajectoryBench에서 뚜렷한 우위를 보여줍니다. LoGo는 국소적인 객체 이동, 아티팩트 및 전역적 장면 변화를 효과적으로 줄여 사후 학습 비디오 모델에서 신용 할당의 중요성을 입증합니다. 프로젝트 웹사이트: https://ziqi-ma.github.io/logo-website/