論文の概要: Physion-Eval: Evaluating Physical Realism in Generated Video via Human Reasoning

• arxiv url: http://arxiv.org/abs/2603.19607v1
• Date: Fri, 20 Mar 2026 03:25:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.96728
• Title: Physion-Eval: Evaluating Physical Realism in Generated Video via Human Reasoning
• Title（参考訳）: Physion-Eval:人間推論による生成ビデオにおける物理リアリズムの評価
• Authors: Qin Zhang, Peiyu Jing, Hong-Xing Yu, Fangqiang Ding, Fan Nie, Weimin Wang, Yilun Du, James Zou, Jiajun Wu, Bing Shuai,
• Abstract要約: ビデオ生成モデルは、ストーリーテリング、シミュレーション、エンボディドAIのための世界シミュレータとして、ますます使われている。 既存の評価は、自動化されたメトリクスや、好みやルーリックベースのチェックのような粗い人間の判断に大きく依存している。 5つの最先端モデルによって生成されたビデオにおいて、物理的リアリズムの失敗を診断するための専門家による推論のベンチマークであるPhyllon-Evalを紹介する。
• 参考スコア（独自算出の注目度）: 77.34919361116037
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video generation models are increasingly used as world simulators for storytelling, simulation, and embodied AI. As these models advance, a key question arises: do generated videos obey the physical laws of the real world? Existing evaluations largely rely on automated metrics or coarse human judgments such as preferences or rubric-based checks. While useful for assessing perceptual quality, these methods provide limited insight into when and why generated dynamics violate real-world physical constraints. We introduce Physion-Eval, a large-scale benchmark of expert human reasoning for diagnosing physical realism failures in videos generated by five state-of-the-art models across egocentric and exocentric views, containing 10,990 expert reasoning traces spanning 22 fine-grained physical categories. Each generated video is derived from a corresponding real-world reference video depicting a clear physical process, and annotated with temporally localized glitches, structured failure categories, and natural-language explanations of the violated physical behavior. Using this dataset, we reveal a striking limitation of current video generation models: in physics-critical scenarios, 83.3% of exocentric and 93.5% of egocentric generated videos exhibit at least one human-identifiable physical glitch. We hope Physion-Eval will set a new standard for physical realism evaluation and guide the development of physics-grounded video generation. The benchmark is publicly available at https://huggingface.co/datasets/PhysionLabs/Physion-Eval.
• Abstract（参考訳）: ビデオ生成モデルは、ストーリーテリング、シミュレーション、エンボディドAIのための世界シミュレータとして、ますます使われている。 生成されたビデオは現実世界の物理法則に従うのか? 既存の評価は、自動化されたメトリクスや、好みやルーリックベースのチェックのような粗い人間の判断に大きく依存している。 知覚的品質を評価するのに有用であるが、これらの手法は、いつ、なぜ生成されたダイナミクスが現実世界の物理的制約に違反しているのかについての限られた洞察を与える。 そこで我々は,エゴセントリックおよびエゴセントリックな視点で5つの最先端モデルによって生成されたビデオにおいて,物理的リアリズムの失敗を診断する専門家の推論の大規模ベンチマークであるPhyllon-Evalを紹介した。 生成された各ビデオは、明確な物理過程を描写した対応する実世界の参照ビデオから派生し、時間的局所化グリッチ、構造化された障害カテゴリ、および違反した物理行動の自然言語による説明で注釈付けされる。 物理クリティカルなシナリオでは、エゴセントリックな生成ビデオの83.3%、エゴセントリックな生成ビデオの93.5%は、少なくとも1つの人間の識別可能な物理的不具合を示す。 physion-Evalは、物理リアリズム評価の新しい標準を策定し、物理地上ビデオ生成の発展を導くことを願っている。 ベンチマークはhttps://huggingface.co/datasets/PhysionLabs/Physion-Evalで公開されている。

関連論文リスト

• PhysChoreo: Physics-Controllable Video Generation with Part-Aware Semantic Grounding [50.454084539837005]
  PhysChoreoは、単一の画像から多様な制御性と物理的なリアリズムを持つビデオを生成する新しいフレームワークである。 本手法は2つの段階から構成される: まず, 画像中の全ての物体の静的初期特性を, 部分認識の物理的特性再構成により推定する。 そして、時間的に指示され、物理的に編集可能なシミュレーションを通じて、リッチな動的な振る舞いと物理的なリアリズムで高品質な動画を合成する。
  論文  参考訳（メタデータ） (2025-11-25T17:59:04Z)
• PhysCtrl: Generative Physics for Controllable and Physics-Grounded Video Generation [53.06495362038348]
  既存の世代モデルは、テキストや画像から写真リアリスティックなビデオを作るのに優れているが、物理的な可視性と3D制御性に欠けることが多い。 本稿では物理パラメータと力制御を備えた物理地上画像生成のための新しいフレームワークであるPhysCtrlを紹介する。 実験によると、PhysCtrlは現実的な物理地上の運動軌跡を生成し、画像とビデオのモデルを駆動する際に高忠実で制御可能なビデオを生成する。
  論文  参考訳（メタデータ） (2025-09-24T17:58:04Z)
• "PhyWorldBench": A Comprehensive Evaluation of Physical Realism in Text-to-Video Models [38.14213802594432]
  PhyWorldBenchは、物理法則に準拠したビデオ生成モデルを評価するために設計されたベンチマークである。 我々は、現実世界の物理学に故意に違反する「反物理学」という新しいカテゴリーを紹介した。 5つのオープンソースモデルと5つのプロプライエタリモデルを含む12の最先端のテキスト・ビデオ生成モデルを評価する。
  論文  参考訳（メタデータ） (2025-07-17T17:54:09Z)
• Morpheus: Benchmarking Physical Reasoning of Video Generative Models with Real Physical Experiments [55.56181322973467]
  物理推論に基づく映像生成モデル評価のためのベンチマークであるMorpheusを紹介する。 物理現象を捉えた80の現実世界のビデオが保存法によってガイドされている。 我々の研究結果によると、プロンプトやビデオコンディショニングが進んだとしても、現在のモデルは物理原理をエンコードするのに苦労している。
  論文  参考訳（メタデータ） (2025-04-03T15:21:17Z)
• VideoPhy-2: A Challenging Action-Centric Physical Commonsense Evaluation in Video Generation [66.58048825989239]
  VideoPhy-2は、生成されたビデオの物理的常識を評価するアクション中心のデータセットである。 我々は、生成したビデオのセマンティック・アテンデンス、物理コモンセンス、および物理ルールのグラウンド化を評価する人間の評価を行う。 結果より,最高のモデルでも22%のジョイントパフォーマンスを達成できたことが示唆された。
  論文  参考訳（メタデータ） (2025-03-09T22:49:12Z)

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。