論文の概要: Toward Physically Consistent Driving Video World Models under Challenging Trajectories

• arxiv url: http://arxiv.org/abs/2603.24506v1
• Date: Wed, 25 Mar 2026 16:47:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.393497
• Title: Toward Physically Consistent Driving Video World Models under Challenging Trajectories
• Title（参考訳）: 追従軌道下での物理的に一貫性のある映像世界モデルの実現に向けて
• Authors: Jiawei Zhou, Zhenxin Zhu, Lingyi Du, Linye Lyu, Lijun Zhou, Zhanqian Wu, Hongcheng Luo, Zhuotao Tian, Bing Wang, Guang Chen, Hangjun Ye, Haiyang Sun, Yu Li,
• Abstract要約: PhyGenesis(フィジェネシス)は、高い視覚的忠実度と強力な物理的一貫性を持つドライブビデオを生成するように設計された世界モデルである。 実世界の運転映像に加えて,CARLAシミュレータを用いて多様な挑戦的な運転シナリオを生成する。 この挑戦的軌道学習戦略は、軌道修正を可能にし、物理的に一貫した映像生成を促進する。
• 参考スコア（独自算出の注目度）: 26.053956037261496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video generation models have shown strong potential as world models for autonomous driving simulation. However, existing approaches are primarily trained on real-world driving datasets, which mostly contain natural and safe driving scenarios. As a result, current models often fail when conditioned on challenging or counterfactual trajectories-such as imperfect trajectories generated by simulators or planning systems-producing videos with severe physical inconsistencies and artifacts. To address this limitation, we propose PhyGenesis, a world model designed to generate driving videos with high visual fidelity and strong physical consistency. Our framework consists of two key components: (1) a physical condition generator that transforms potentially invalid trajectory inputs into physically plausible conditions, and (2) a physics-enhanced video generator that produces high-fidelity multi-view driving videos under these conditions. To effectively train these components, we construct a large-scale, physics-rich heterogeneous dataset. Specifically, in addition to real-world driving videos, we generate diverse challenging driving scenarios using the CARLA simulator, from which we derive supervision signals that guide the model to learn physically grounded dynamics under extreme conditions. This challenging-trajectory learning strategy enables trajectory correction and promotes physically consistent video generation. Extensive experiments demonstrate that PhyGenesis consistently outperforms state-of-the-art methods, especially on challenging trajectories. Our project page is available at: https://wm-research.github.io/PhyGenesis/.
• Abstract（参考訳）: ビデオ生成モデルは、自律運転シミュレーションの世界モデルとして強い可能性を示している。 しかし、既存のアプローチは主に、自然で安全な運転シナリオを含む現実世界の運転データセットに基づいて訓練されている。 結果として、現在のモデルは、シミュレータが生成した不完全な軌跡や、厳しい物理的不整合とアーティファクトを持つシステム生成ビデオのような、挑戦的または反ファクト的な軌跡に条件付けされたときに失敗することが多い。 この制限に対処するため,高精細度で高精細度な映像を生成するための世界モデルであるPhyGenesisを提案する。 本フレームワークは,(1) 潜在的に無効な軌道入力を物理的に可算な状態に変換する物理条件生成装置,(2) 高忠実度マルチビュー駆動ビデオを生成する物理拡張ビデオ生成装置の2つのキーコンポーネントから構成される。 これらのコンポーネントを効果的に訓練するために、我々は大規模で物理に富む異種データセットを構築した。 具体的には、実世界の運転映像に加えて、CARLAシミュレーターを用いて多様な挑戦的な運転シナリオを生成し、そこからモデルに極端条件下で物理的に接地されたダイナミクスを学習させる監督シグナルを導出する。 この挑戦的軌道学習戦略は、軌道修正を可能にし、物理的に一貫した映像生成を促進する。 大規模な実験では、PhyGenesisは最先端の手法、特に挑戦的な軌道において一貫して優れていた。 私たちのプロジェクトページは、https://wm-research.github.io/PhyGenesis/.com/で公開されています。

関連論文リスト

• InstaDrive: Instance-Aware Driving World Models for Realistic and Consistent Video Generation [53.47253633654885]
  InstaDriveは、2つの重要な進歩を通じてビデオリアリズムを促進する新しいフレームワークである。 これらのインスタンス認識機構を組み込むことで、InstaDriveは最先端のビデオ生成品質を実現する。 私たちのプロジェクトページはhttps://shanpoyang654.io/InstaDrive/page.htmlです。
  論文  参考訳（メタデータ） (2026-02-03T08:22:13Z)
• Goal Force: Teaching Video Models To Accomplish Physics-Conditioned Goals [15.286299359279509]
  Goal Forceを使えば、明示的な力ベクトルと中間ダイナミクスを使って目標を定義することができる。 我々は、合成因果プリミティブのキュレートされたデータセットに基づいて、ビデオ生成モデルを訓練する。 以上の結果から,映像生成を基礎的な物理相互作用で基礎づけることで,暗黙的な神経物理シミュレータとしてモデルが現れる可能性が示唆された。
  論文  参考訳（メタデータ） (2026-01-09T15:23:36Z)
• DrivingGen: A Comprehensive Benchmark for Generative Video World Models in Autonomous Driving [49.11389494068169]
  我々は、生成駆動世界モデルのための最初の総合的なベンチマークであるDrivingGenを提示する。 DrivingGenは、駆動データセットとインターネットスケールのビデオソースの両方から収集されたさまざまな評価データセットを組み合わせる。 一般的なモデルは良く見えるが物理を破るが、運転に特化したものは現実的に動きを捉えているが、視界の質は遅れている。
  論文  参考訳（メタデータ） (2026-01-04T13:36:21Z)
• Think Before You Diffuse: Infusing Physical Rules into Video Diffusion [55.046699347579455]
  実世界の動き、相互作用、ダイナミクスの複雑さは、データから物理を学ぶ際に大きな困難をもたらす。 DiffPhyは、トレーニング済みの動画拡散モデルを微調整することで、物理的に正確でリアルな映像生成を可能にする汎用的なフレームワークである。
  論文  参考訳（メタデータ） (2025-05-27T18:26:43Z)
• Force Prompting: Video Generation Models Can Learn and Generalize Physics-based Control Signals [18.86902152614664]
  映像生成のための制御信号として物理力を用いる。 そこで我々は,局所的な力によって画像と対話できる力のプロンプトを提案する。 これらの力のプロンプトによって、ビデオが物理的な制御信号に現実的に反応できることを実証する。
  論文  参考訳（メタデータ） (2025-05-26T01:04:02Z)
• VLIPP: Towards Physically Plausible Video Generation with Vision and Language Informed Physical Prior [88.51778468222766]
  近年,映像拡散モデル (VDM) が大幅に進歩し,映像のリアル化が進んでいる。 VDMは物理の理解の欠如のため、物理的にもっともらしいビデオを作ることができないことが多い。 本稿では,物理を視覚と言語に明示的に組み込んだ新しい2段階画像・映像生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-30T09:03:09Z)
• Physical Informed Driving World Model [47.04423342994622]
  DrivePhysicaは、本質的な物理原理に準拠したリアルなドライビングビデオを生成するために設計された革新的なモデルだ。 我々は,Nuscenesデータセット上での3.96 FIDと38.06 FVDの駆動ビデオ生成品質と下流認識タスクにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-12-11T14:29:35Z)

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。