논문 정보
- 날짜:
2026-03-25 - 카테고리: -
- 우선순위 점수: 0.133
핵심 요약
TrajLoom은 비디오 컨텍스트와 과거 궤적을 기반으로 미래의 조밀한 점 궤적과 가시성을 예측하는 프레임워크입니다. VAE를 통한 시공간 잠재 공간 학습과 Flow Matching 기법을 활용하여 기존 24프레임 수준의 예측 길이를 81프레임까지 확장했습니다. 또한 실제 및 합성 비디오를 포함하는 표준화된 벤치마크인 TrajLoomBench를 제안하여 성능을 검증했습니다.학습자 관점 포인트
- 우리 팀 영향: 비디오 생성 및 편집 시 장기적인 객체 움직임의 일관성을 확보하기 위한 모션 가이드 기술로 활용될 가능성이 높습니다.
- 권장 액션: 실험
- 액션 근거: 기존 대비 3배 이상 확장된 예측 길이와 Flow Matching 기반의 안정적인 생성 성능이 비디오 제어 연구에 유용할 것으로 판단됩니다.
원문 링크
- arXiv: https://arxiv.org/abs/2603.22606
- Hugging Face Papers: https://huggingface.co/papers/2603.22606