論文の概要: Physics-IQ Verified

• arxiv url: http://arxiv.org/abs/2606.18943v1
• Date: Wed, 17 Jun 2026 11:23:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.127993
• Title: Physics-IQ Verified
• Title（参考訳）: 物理IQ検証
• Authors: Tim Rädsch, Yuki M Asano, Hilde Kuehne, Stefan Bauer, Priyank Jaini, Robert Geirhos, Carsten T. Lüth,
• Abstract要約: 我々は,物理IQベンチマークの体系的な監査を行い,欠点を明らかにする。 本稿では,映像生成モデルの物理的理解を計測する3つの方法を提案する。 得られたベンチマークであるPhysical-IQ Verifiedは、全サンプルの57.6%を精製し、34.8%以上のプロンプトを改善した。
• 参考スコア（独自算出の注目度）: 58.94877959578469
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video generative models ( VGMs) have become a new frontier that can be used not just for video generation but for a multitude of downstream tasks, including world modeling. To advance these tasks, a good video model must understand the physical reality of the world. Evaluating this understanding is an emerging field and has led to the Physics-IQ benchmark, which quantifies this explicitly by comparing model-generated videos to real-world videos of physical experiments. In this work, we present a systematic audit of the Physics-IQ benchmark, expose shortcomings and propose three solutions that sharpen how we can measure physical understanding of VGMs. Specifically, we improve prompt and ground-truth quality to reduce the influence of confounding factors and further introduce a sample-level scoring system that weights each sample and metric equally. Our resulting benchmark, Physics-IQ Verified, refines 57.6\% of all samples and improves over 34.8\% of prompts. In a comparison study using six image-to-video generative models, we observe moderate but meaningful ranking changes (Kendall's $τ= 0.46$). We hope Physics-IQ Verified advances the community by providing a more reliable signal toward physically accurate VGMs. The code for the benchmark can be accessed at https://github.com/google-deepmind/physics-iq-benchmark
• Abstract（参考訳）: ビデオ生成モデル(VGM)は新しいフロンティアとなり、ビデオ生成だけでなく、世界モデリングを含む多数の下流タスクにも使えるようになった。 これらの課題を前進させるためには、優れたビデオモデルが世界の物理的な現実を理解する必要がある。 この理解は新たな分野として評価され、物理実験の実際のビデオとモデル生成ビデオを比較して、これを明示的に定量化する物理IQベンチマークへと導いてきた。 本研究では,物理IQベンチマークを体系的に評価し,欠点を明らかにするとともに,VGMの物理的理解を計測する3つの方法を提案する。 具体的には,コンバウンディング要因の影響を低減し,各試料と計量を等しく重み付けする試料レベルスコアシステムを導入する。 結果のベンチマークである Physics-IQ Verified では、すべてのサンプルの57.6% % を精製し、34.8 % 以上のプロンプトを改善した。 6つの画像対映像生成モデルを用いた比較研究において、中等度だが有意義なランキング変更(ケンドールの$τ=0.46$)を観察した。 我々は、物理精度の高いVGMに対してより信頼性の高い信号を提供することで、物理IQ検証がコミュニティを前進させることを願っている。 ベンチマークのコードはhttps://github.com/google-deepmind/physics-iq-benchmarkでアクセスできます。

関連論文リスト

• Proprio: Latent Self-Scoring and Inference-Time Refinement for Physically Plausible Video Generation [78.41956766048308]
  Proprioは、凍結したジェネレータが自身の出力の物理的妥当性を評価し改善することを可能にする、トレーニング不要のフレームワークである。 自己運動の生物学的感覚であるプロプリセプションにインスパイアされたプロプリオは、モデルの流れを自己刺激信号として扱う。 Proprioは、テキスト・ツー・ビデオ・ベンチマークと画像・ツー・ビデオ・ベンチマークの物理的妥当性を一貫して改善する。
  論文  参考訳（メタデータ） (2026-05-27T09:44:18Z)
• PhyGround: Benchmarking Physical Reasoning in Generative World Models [46.53245929361594]
  ビデオ生成における物理的推論を評価するための基準付きベンチマークであるPhyGroundを紹介する。 ベンチマークには250のキュレートされたプロンプトが含まれており、それぞれが予想される物理的な結果と13の物理法則の分類が含まれている。 我々は,大規模で品質管理された人間の研究を通じて,8つの現代映像生成モデルを評価する。
  論文  参考訳（メタデータ） (2026-05-11T16:30:51Z)
• PhysicsMind: Sim and Real Mechanics Benchmarking for Physical Reasoning and Prediction in Foundational VLMs and World Models [40.16417939211015]
  MLLM(Multimodal Large Language Models)やビデオワールドモデルは、数学的、常識的、視覚的推論において大きく進歩している。 この問題を計測しようとする既存のベンチマークは、合成された視覚的質問応答テンプレート、あるいは物理的な法則によってビデオがどれだけうまく機能するかを測定するための知覚的ビデオ品質に焦点を当てている。 我々は,3つの標準原理(Center of Mass, Lever Equilibrium, Newton's First Law)について,法に一貫性のある推論と生成を評価する統一ベンチマークであるPhysicalMindを紹介する。
  論文  参考訳（メタデータ） (2026-01-22T14:33:01Z)
• PhysicsSolutionAgent: Towards Multimodal Explanations for Numerical Physics Problem Solving [1.2802720336459552]
  物理確率説明ビデオを生成する自律エージェントであるPhysorSolutionAgent(PSA)を紹介する。 数値および理論物理問題にまたがる32本の動画上でPSAを評価した。 GPT-5-miniを用いて、PSAは平均3.8/5のオートスコアで100%の動画補完率を達成する。
  論文  参考訳（メタデータ） (2026-01-19T23:11:02Z)
• PhyEduVideo: A Benchmark for Evaluating Text-to-Video Models for Physics Education [14.810845377459833]
  このベンチマークは、視覚的なイラストを通してT2Vモデルが核物理学の概念をいかにうまく伝達できるかを評価するように設計されている。 本研究の目的は,T2Vモデルによる高品質でカリキュラムに整合した教育コンテンツ作成の実現可能性について,体系的に検討することである。
  論文  参考訳（メタデータ） (2026-01-02T18:42:02Z)
• Bootstrapping Physics-Grounded Video Generation through VLM-Guided Iterative Self-Refinement [51.54051161067026]
  本稿では,映像生成のための物理対応ガイダンスを提供するための反復的自己再構成フレームワークを提案する。 物理的不整合からのフィードバックに基づいてプロンプトを洗練させるマルチモーダル・チェーン・オブ・シント(MM-CoT)プロセスを導入する。 PhyIQベンチマーク実験の結果,物理IQのスコアは56.31から62.38に改善した。
  論文  参考訳（メタデータ） (2025-11-25T13:09:03Z)
• 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)
• Towards World Simulator: Crafting Physical Commonsense-Based Benchmark for Video Generation [51.750634349748736]
  テキスト・ツー・ビデオ(T2V)モデルは複雑なプロンプトの可視化に大きく貢献している。 しかし、直感的な物理を正確に表現するこれらのモデルの能力はほとんど解明されていない。 本稿では,T2V生成における物理コモンセンスの正しさを評価するためにPhyGenBenchを導入する。
  論文  参考訳（メタデータ） (2024-10-07T17:56:04Z)

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。