論文の概要: Real-Time Physics Simulation with Dynamic Mesh-Gaussian Reconstructions
- arxiv url: http://arxiv.org/abs/2606.00444v1
- Date: Sat, 30 May 2026 00:30:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:28.459457
- Title: Real-Time Physics Simulation with Dynamic Mesh-Gaussian Reconstructions
- Title（参考訳）: 動的メッシュ-ガウス再構成を用いた実時間物理シミュレーション
- Abstract要約: 物理のための固定トポロジーメッシュとレンダリングのためのガウススプラッティングを組み合わせた二重表現フレームワークを提案する。
DG-Meshデータセット上のネイティブ固定位相法(MaGS)に対して,時間的対応追跡とテンプレートベースプロジェクションの2つの変換戦略を評価する。
- 参考スコア（独自算出の注目度）: 11.523616541218878
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Integrating dynamic 3D reconstructions into physics simulation requires fixed mesh topology for efficient collision detection, but state-of-the-art methods like DG-Mesh produce varying topology optimized for geometric quality. We investigate whether topology conversion can enable physics integration while preserving reconstruction fidelity. We propose a dual-representation framework combining fixed-topology meshes for physics with Gaussian splatting for rendering, achieving 4.65$\times$ speedup over varying-topology baselines through runtime vertex buffer updates. We evaluate two conversion strategies, temporal correspondence tracking and template-based projection, against native fixed-topology methods (MaGS) on the DG-Mesh dataset. Our evaluation reveals that both conversion approaches incur 65-80% geometric degradation, producing results inferior to MaGS despite DG-Mesh's superior initial quality. This demonstrates that high-quality reconstruction and physics-compatible topology represent fundamentally distinct objectives that cannot be reconciled through post-processing. Our findings inform future development of physics-aware reconstruction methods and our framework enables real-time simulation with any fixed-topology approach.
- Abstract（参考訳）: 物理シミュレーションに動的3D再構成を統合するには、効率的な衝突検出のために固定メッシュトポロジーが必要であるが、DG-Meshのような最先端の手法は幾何学的品質に最適化された様々なトポロジーを生成する。
本研究では, トポロジ変換が物理積分を可能とし, 復元精度を維持できるかどうかを考察する。
本稿では,物理用固定トポロジーメッシュとレンダリング用ガウススプラッティングを組み合わせたデュアル表現フレームワークを提案し,実行時頂点バッファ更新による様々なトポロジーベースラインの高速化を実現した。
DG-Meshデータセット上のネイティブ固定位相法(MaGS)に対して,時間的対応追跡とテンプレートベースプロジェクションの2つの変換戦略を評価する。
評価の結果,DG-Meshの優れた初期品質にもかかわらず,両者とも65-80%の幾何劣化が生じ,MaGSに劣る結果が得られた。
このことは、高品質な再構成と物理互換のトポロジーが、後処理によって解決できない、根本的に異なる目的を表現していることを示している。
本研究は,物理を意識した再構成手法の今後の発展を示唆するものであり,固定トポロジーアプローチによるリアルタイムシミュレーションを実現するためのフレームワークである。
関連論文リスト
- GARDEN: Gravity-Aligned Reconstruction of Disentangled ENvironments from RGB images [61.2170105836525]
本稿では,RGBのみのフレームワークを提案する。このフレームワークは,再構成を物理的に地上に配置したシーンファクタ化として再構成し,構造化されたハイブリッドシーン表現を出力する。
結果として得られる表現は、明示的な剛体と分離された背景を組み合わせることで、視覚的リアリズムを維持しながら直接物理シミュレーションを可能にする。
論文 参考訳（メタデータ） (2026-06-02T17:13:01Z) - Mesh Based Simulations with Spatial and Temporal awareness [2.867517731896504]
本稿では,幾何学的深層学習と厳密な数値解析のギャップを埋める統一的な枠組みを提案する。
1) ノードの全局所トポロジのフィールド値を予測するステンシルレベルの目的であるマルチノード予測,(2) 時間的微分整合性,(3) 時間的交叉による不安定な定性的スキームを予測器・コレクタに置き換える時間的補正,(3) 幾何学的インダクティブ・ビアース,3) 3次元回転位置埋め込み(RoPE)を利用して非構造メッシュの回転対称性を頑健に捉える。
論文 参考訳（メタデータ） (2026-05-02T17:09:31Z) - Face Anything: 4D Face Reconstruction from Any Image Sequence [49.395407357499074]
そこで本研究では,正準顔点予測に基づく高忠実度4次元顔再構成の統一手法を提案する。
深度と標準座標を共同で予測することにより,正確な深度推定,時間的に安定な再構築,密度の高い3次元形状,頑健な顔点追跡が可能となる。
論文 参考訳（メタデータ） (2026-04-21T17:22:39Z) - TG-Field: Geometry-Aware Radiative Gaussian Fields for Tomographic Reconstruction [16.246538335191982]
Tomography Geometry Field (TG-Field) は、CT再構成のための幾何学的なガウス変形フレームワークである。
TG-Fieldは既存の手法を常に上回り、高度にスパース・ビュー条件下で最先端の復元精度を達成する。
論文 参考訳（メタデータ） (2026-02-12T08:33:01Z) - Towards Geometry-Aware and Motion-Guided Video Human Mesh Recovery [60.51998732898099]
HMRMambaは3Dヒューマンメッシュリカバリのための新しいパラダイムである。
構造状態空間モデル(Structured State Space Models)をその効率性と長距離モデリングに利用した先駆者である。
まず、新しいデュアルスキャンのMambaアーキテクチャを特徴とするGeometry-Aware Lifting Moduleについて述べる。
論文 参考訳（メタデータ） (2026-01-29T08:05:02Z) - Inverse Rendering for High-Genus 3D Surface Meshes from Multi-view Images with Persistent Homology Priors [11.227213428407673]
画像から3Dオブジェクトを再構成することは、本質的には幾何学、外観、トポロジーの曖昧さによる不適切な問題である。
本稿では,これらの曖昧さを解決するためにトポロジ的制約を活用する新しい戦略である,永続的ホモロジー先行と協調レンダリングを導入する。
論文 参考訳（メタデータ） (2026-01-17T20:06:19Z) - TagSplat: Topology-Aware Gaussian Splatting for Dynamic Mesh Modeling and Tracking [5.617341252682462]
トポロジに一貫性のある動的モデルのシーケンスは、アニメーションやモデル編集のようなアプリケーションには不可欠である。
ガウススプラッティングに基づくトポロジ対応動的再構成フレームワークを提案する。
実験の結果,提案手法はトポロジに一貫性のあるメッシュ列を既存手法よりも高精度に再構成することを示した。
論文 参考訳（メタデータ） (2025-12-01T06:41:54Z) - PRGCN: A Graph Memory Network for Cross-Sequence Pattern Reuse in 3D Human Pose Estimation [18.771349697842947]
本稿では、パターン検索と適応の問題としてポーズ推定を形式化する新しいフレームワークであるパターン再利用グラフ変換ネットワーク(PRGCN)を紹介する。
PRGCNのコアとなるグラフメモリバンクは、リレーショナルグラフとして符号化された一連のコンパクトなポーズプロトタイプを学習し、格納する。
PRGCNは,それぞれ37.1mm,13.4mmのMPJPEを達成し,クロスドメインの一般化能力の向上を図っている。
論文 参考訳（メタデータ） (2025-10-22T11:12:07Z) - Flow-Matching Guided Deep Unfolding for Hyperspectral Image Reconstruction [53.26903617819014]
Flow-Matching-Guided Unfolding Network (FMU)は、最初にフローマッチングをHSI再構成に統合する。
学習力学をさらに強化するために,平均速度損失を導入する。
シミュレーションと実データの両方の実験により、FMUは復元品質において既存のアプローチよりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2025-10-02T11:32:00Z) - 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) - Back to MLP: A Simple Baseline for Human Motion Prediction [59.18776744541904]
本稿では、歴史的に観察されたシーケンスから将来の身体のポーズを予測することによる、人間の動作予測の課題に取り組む。
これらの手法の性能は、0.14Mパラメータしか持たない軽量で純粋にアーキテクチャアーキテクチャによって超えることができることを示す。
Human3.6M, AMASS, 3DPWデータセットの徹底的な評価は, siMLPeをダブした我々の手法が, 他のアプローチよりも一貫して優れていることを示している。
論文 参考訳（メタデータ） (2022-07-04T16:35:58Z)
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。