論文の概要: Phys-Liquid: A Physics-Informed Dataset for Estimating 3D Geometry and Volume of Transparent Deformable Liquids

• arxiv url: http://arxiv.org/abs/2511.11077v1
• Date: Fri, 14 Nov 2025 08:50:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 22:42:18.505584
• Title: Phys-Liquid: A Physics-Informed Dataset for Estimating 3D Geometry and Volume of Transparent Deformable Liquids
• Title（参考訳）: Phys-Liquid:3次元形状と透明変形性液体の体積を推定する物理式データセット
• Authors: Ke Ma, Yizhou Fang, Jean-Baptiste Weibel, Shuai Tan, Xinggang Wang, Yang Xiao, Yi Fang, Tian Xia,
• Abstract要約: 透明な変形可能な液体の幾何学的および体積的特性の推定は、光学的複雑さと容器運動によって引き起こされる動的表面変形により困難である。 97,200個のシミュレーション画像とそれに対応する3Dメッシュからなる物理インフォームドデータセットであるPhys-Liquidを紹介する。 実験の結果, 液体形状と体積の再構成における精度と整合性が向上し, 既存のベンチマークより優れていた。
• 参考スコア（独自算出の注目度）: 47.96212902310787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the geometric and volumetric properties of transparent deformable liquids is challenging due to optical complexities and dynamic surface deformations induced by container movements. Autonomous robots performing precise liquid manipulation tasks, such as dispensing, aspiration, and mixing, must handle containers in ways that inevitably induce these deformations, complicating accurate liquid state assessment. Current datasets lack comprehensive physics-informed simulation data representing realistic liquid behaviors under diverse dynamic scenarios. To bridge this gap, we introduce Phys-Liquid, a physics-informed dataset comprising 97,200 simulation images and corresponding 3D meshes, capturing liquid dynamics across multiple laboratory scenes, lighting conditions, liquid colors, and container rotations. To validate the realism and effectiveness of Phys-Liquid, we propose a four-stage reconstruction and estimation pipeline involving liquid segmentation, multi-view mask generation, 3D mesh reconstruction, and real-world scaling. Experimental results demonstrate improved accuracy and consistency in reconstructing liquid geometry and volume, outperforming existing benchmarks. The dataset and associated validation methods facilitate future advancements in transparent liquid perception tasks. The dataset and code are available at https://dualtransparency.github.io/Phys-Liquid/.
• Abstract（参考訳）: 透明な変形可能な液体の幾何学的および体積的特性の推定は、光学的複雑さと容器運動によって引き起こされる動的表面変形により困難である。 排出、吸引、混合などの精密な液体操作を行う自律ロボットは、これらの変形を必然的に誘発する方法でコンテナを処理し、正確な液体状態の評価を複雑化する。 現在のデータセットには、様々な動的シナリオ下での現実的な液体の挙動を表す、包括的な物理インフォームドシミュレーションデータがない。 このギャップを埋めるために、97,200個のシミュレーション画像とそれに対応する3Dメッシュからなる物理インフォームドデータセットであるPhys-Liquidを紹介し、複数の実験室シーン、照明条件、液体色、容器回転の液体力学をキャプチャする。 本稿では,Phys-Liquidの現実性と有効性を検証するために,液体セグメンテーション,マルチビューマスク生成,3次元メッシュ再構築,実世界のスケーリングを含む4段階の再構成と推定パイプラインを提案する。 実験の結果, 液体形状と体積の再構成における精度と整合性が向上し, 既存のベンチマークより優れていた。 データセットと関連する検証方法は、透明な液体認識タスクの今後の進歩を促進する。 データセットとコードはhttps://dualtransparency.github.io/Phys-Liquid/で公開されている。

関連論文リスト

• VoMP: Predicting Volumetric Mechanical Property Fields [12.504007202543784]
  VoMPは、ヤング率(E$)、ポアソン比(nu$)、密度(rho$)を予測するために訓練されたフィードフォワード方式である。 ボクセルごとのマルチビュー機能を集約し、トレーニング済みのGeometry Transformerに渡して、ボクセルごとの潜伏コードを予測する。 実験により、VoMPは正確な体積特性を推定し、精度と速度において先行技術よりもはるかに優れていることが示された。
  論文  参考訳（メタデータ） (2025-10-27T03:56:25Z)
• PhysFlow: Unleashing the Potential of Multi-modal Foundation Models and Video Diffusion for 4D Dynamic Physical Scene Simulation [9.306758077479472]
  PhysFlowは、マルチモーダル基礎モデルとビデオ拡散を利用して、強化された4次元ダイナミックシーンシミュレーションを実現する新しいアプローチである。 この統合フレームワークは、現実世界のシナリオにおける動的相互作用の正確な予測と現実的なシミュレーションを可能にする。
  論文  参考訳（メタデータ） (2024-11-21T18:55:23Z)
• The Sound of Water: Inferring Physical Properties from Pouring Liquids [85.30865788636386]
  注水液の音響・視覚観測と物理の関連性について検討した。 本研究の目的は, 液位, 容器形状, 注水速度, 充填時間などの物性を自動的に推定することである。
  論文  参考訳（メタデータ） (2024-11-18T01:19:37Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• FluidLab: A Differentiable Environment for Benchmarking Complex Fluid Manipulation [80.63838153351804]
  複雑な流体力学を含む多種多様な操作タスクを備えたシミュレーション環境であるFluidLabを紹介する。 私たちのプラットフォームの中心には、GPU加速シミュレーションと勾配計算を提供する、完全に微分可能な物理シミュレータがあります。 微分可能物理学と組み合わせたいくつかのドメイン固有最適化スキームを提案する。
  論文  参考訳（メタデータ） (2023-03-04T07:24:22Z)
• gradSim: Differentiable simulation for system identification and visuomotor control [66.37288629125996]
  本稿では,微分可能マルチフィジカルシミュレーションと微分可能レンダリングを活用し,3次元監督への依存を克服するフレームワークであるgradsimを提案する。 当社の統合グラフは、状態ベースの(3D)監督に頼ることなく、挑戦的なバイスモメータ制御タスクで学習を可能にします。
  論文  参考訳（メタデータ） (2021-04-06T16:32:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。