Buchumschlag

3D Scene Prompting for Scene-Consistent Camera-Controllable Video Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, JoungBin, Jung, Jaewoo, Han, Jisang, Narihira, Takuya, Fukuda, Kazumi, Seo, Junyoung, Hong, Sunghwan, Mitsufuji, Yuki, Kim, Seungryong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

D$^2$USt3R: Enhancing 3D Reconstruction for Dynamic Scenes
von: Han, Jisang, et al.
Veröffentlicht: (2025)

Vid-CamEdit: Video Camera Trajectory Editing with Generative Rendering from Estimated Geometry
von: Seo, Junyoung, et al.
Veröffentlicht: (2025)

C3G: Learning Compact 3D Representations with 2K Gaussians
von: An, Honggyu, et al.
Veröffentlicht: (2025)

Learning Global Motion with Compact Gaussians for Feed-Forward 4D Reconstruction
von: Kim, Mungyeom, et al.
Veröffentlicht: (2026)

GenWarp: Single Image to Novel Views with Semantic-Preserving Generative Warping
von: Seo, Junyoung, et al.
Veröffentlicht: (2024)

Cross-View Completion Models are Zero-shot Correspondence Estimators
von: An, Honggyu, et al.
Veröffentlicht: (2024)

HumanGif: Single-View Human Diffusion with Generative Prior
von: Hu, Shoukang, et al.
Veröffentlicht: (2025)

PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting
von: Hong, Sunghwan, et al.
Veröffentlicht: (2024)

DirecT2V: Large Language Models are Frame-Level Directors for Zero-Shot Text-to-Video Generation
von: Hong, Susung, et al.
Veröffentlicht: (2023)

Emergent Outlier View Rejection in Visual Geometry Grounded Transformers
von: Han, Jisang, et al.
Veröffentlicht: (2025)

Relaxing Accurate Initialization Constraint for 3D Gaussian Splatting
von: Jung, Jaewoo, et al.
Veröffentlicht: (2024)

Entropy-Gradient Grounding: Training-Free Evidence Retrieval in Vision-Language Models
von: Gröpl, Marcel, et al.
Veröffentlicht: (2026)

Pose-dIVE: Pose-Diversified Augmentation with Diffusion Model for Person Re-Identification
von: Kim, Inès Hyeonsu, et al.
Veröffentlicht: (2024)

Unifying Correspondence, Pose and NeRF for Pose-Free Novel View Synthesis from Stereo Pairs
von: Hong, Sunghwan, et al.
Veröffentlicht: (2023)

WorldCam: Interactive Autoregressive 3D Gaming Worlds with Camera Pose as a Unifying Geometric Representation
von: Nam, Jisu, et al.
Veröffentlicht: (2026)

Grounding World Simulation Models in a Real-World Metropolis
von: Seo, Junyoung, et al.
Veröffentlicht: (2026)

Visual Representation Alignment for Multimodal Large Language Models
von: Yoon, Heeji, et al.
Veröffentlicht: (2025)

Persona Attack: Incremental Memory Injection Jailbreak Attack against Large Language Models
von: Park, Junyoung, et al.
Veröffentlicht: (2026)

Beyond Attack Success Rate: Temporal Logit Observability for LLM Safety Failures
von: Park, Junyoung, et al.
Veröffentlicht: (2026)

Towards Generalizable Scene Change Detection
von: Kim, Jaewoo, et al.
Veröffentlicht: (2024)

APPLE: Attribute-Preserving Pseudo-Labeling for Diffusion-Based Face Swapping
von: Kang, Jiwon, et al.
Veröffentlicht: (2026)

IDCNet: Guided Video Diffusion for Metric-Consistent RGBD Scene Generation with Precise Camera Control
von: Liu, Lijuan, et al.
Veröffentlicht: (2025)

Unifying Feature and Cost Aggregation with Transformers for Semantic and Visual Correspondence
von: Hong, Sunghwan, et al.
Veröffentlicht: (2024)

Generative Photography: Scene-Consistent Camera Control for Realistic Text-to-Image Synthesis
von: Yuan, Yu, et al.
Veröffentlicht: (2024)

Scene123: One Prompt to 3D Scene Generation via Video-Assisted and Consistency-Enhanced MAE
von: Yang, Yiying, et al.
Veröffentlicht: (2024)

CAT-Seg: Cost Aggregation for Open-Vocabulary Semantic Segmentation
von: Cho, Seokju, et al.
Veröffentlicht: (2023)

URECA: Unique Region Caption Anything
von: Lim, Sangbeom, et al.
Veröffentlicht: (2025)

Domain Generalization Using Large Pretrained Models with Mixture-of-Adapters
von: Lee, Gyuseong, et al.
Veröffentlicht: (2023)

Generative Photographic Control for Scene-Consistent Video Cinematic Editing
von: Sun, Huiqiang, et al.
Veröffentlicht: (2025)

TrackCraft3R: Repurposing Video Diffusion Transformers for Dense 3D Tracking
von: Nam, Jisu, et al.
Veröffentlicht: (2026)

LLM Meets Scene Graph: Can Large Language Models Understand and Generate Scene Graphs? A Benchmark and Empirical Study
von: Yang, Dongil, et al.
Veröffentlicht: (2025)

Towards Open-Vocabulary Semantic Segmentation Without Semantic Labels
von: Shin, Heeseong, et al.
Veröffentlicht: (2024)

Person-In-Situ: Scene-Consistent Human Image Insertion with Occlusion-Aware Pose Control
von: Masuda, Shun, et al.
Veröffentlicht: (2025)

Person‐In‐Situ: Scene‐Consistent Human Image Insertion With Occlusion‐Aware Pose Control
von: Shun Masuda, et al.
Veröffentlicht: (2026)

ChartCap: Mitigating Hallucination of Dense Chart Captioning
von: Lim, Junyoung, et al.
Veröffentlicht: (2025)

Fine-Grained Captioning of Long Videos through Scene Graph Consolidation
von: Chu, Sanghyeok, et al.
Veröffentlicht: (2025)

V-Warper: Appearance-Consistent Video Diffusion Personalization via Value Warping
von: Lee, Hyunkoo, et al.
Veröffentlicht: (2025)

Let 2D Diffusion Model Know 3D-Consistency for Robust Text-to-3D Generation
von: Seo, Junyoung, et al.
Veröffentlicht: (2023)

Tri-Prompting: Video Diffusion with Unified Control over Scene, Subject, and Motion
von: Zhou, Zhenghong, et al.
Veröffentlicht: (2026)

Seg4Diff: Unveiling Open-Vocabulary Segmentation in Text-to-Image Diffusion Transformers
von: Kim, Chaehyun, et al.
Veröffentlicht: (2025)