論文の概要: GEOPHYS: The Geometry of Physical Plausibility

• arxiv url: http://arxiv.org/abs/2606.20707v1
• Date: Mon, 15 Jun 2026 20:51:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 15:53:56.511738
• Title: GEOPHYS: The Geometry of Physical Plausibility
• Title（参考訳）: GEOPHYS : 物理可塑性の幾何学
• Authors: Christian Internò, Alexander Pondaven, Habon Issa, Fabio Pizzati, Francesco Pinto, Markus Olhofer, Ivan Laptev, Philip Torr, Eero P. Simoncelli, Barbara Hammer, David Klindt,
• Abstract要約: 凍結した画像エンコーダによって生成されたフレームごとの埋め込みの幾何学的特性により,物理的妥当性の指標が暗黙的に捕捉されることを示す。 我々は、物理的に不可解なビデオとリアルなビデオとを強く区別し、最先端の物理違反検出を実現している。 最終的に、GEOPHYSは、画像エンコーダから抽出された時間的特徴の創発的幾何学的特性を活用することで、ビデオの物理的妥当性を評価することができることを示した。
• 参考スコア（独自算出の注目度）: 80.0207225156318
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While humans can identify physically implausible events within milliseconds, machine learning approaches addressing the same problem are extremely slow and expensive. They either rely on external multimodal-LLM judges or require ad-hoc modifications to the training procedure. In this work, we argue that indicators of physical plausibility are implicitly captured by five geometric properties of the per-frame embeddings produced by frozen image encoders. In aggregate, we call them GEOPHYS. First, we show that these signals correlate with human EEG responses to two forms of object-permanence violations. Second, GEOPHYS robustly discriminates physically implausible videos from realistic ones, achieving state-of-the-art physics-violation detection: 98.3% on LikePhys and 93.3% on IntPhys2, whereas V-JEPA 2, GPT-4o, Gemini, and twelve modern video diffusion models perform near chance. Third, used as a best-of-N verifier for physical alignment during video generation, GEOPHYS lifts MAGI-1 24B from 50.01% to 64.50% on PhysicsIQ at 1.5x lower wall-clock and 4.65x lower memory than the V-JEPA 2 world-model verifier. Ultimately, GEOPHYS demonstrates that physical plausibility in videos can be assessed by leveraging the emergent geometric properties of temporal features extracted from image encoders.
• Abstract（参考訳）: 人間は数ミリ秒で物理的に予測できない事象を識別できるが、同じ問題に対処する機械学習アプローチは非常に遅くて高価である。 それらは外部のマルチモーダル・LLM判事に依存するか、または訓練手順にアドホックな修正を必要とする。 本研究では,凍結画像エンコーダが生成するフレーム単位の埋め込みの幾何学的特性により,物理可視性を示す指標が暗黙的に捕捉されることを論じる。 総称してGEOPHYSと呼ぶ。 まず、これらの信号は2種類のオブジェクト・パーマンス違反に対するヒト脳波応答と相関することを示す。 第2に、GEOPHYSはリアルなビデオと物理的に区別し、最先端の物理違反検出を達成している: 98.3%がLikePhysで、93.3%がIntPhys2で、V-JEPA 2、GPT-4o、Gemini、および12の近代的なビデオ拡散モデルがほぼ実現している。 GEOPHYSはビデオ生成時に物理アライメントのための最良のN検定器として用いられ、MaGI-1 24Bを50.01%から64.50%に引き上げる。 最終的に、GEOPHYSは、画像エンコーダから抽出された時間的特徴の創発的幾何学的特性を活用することで、ビデオの物理的妥当性を評価することができることを示した。

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)
• PhyCo: Learning Controllable Physical Priors for Generative Motion [55.59209981836171]
  本稿では,ビデオ生成に連続的,解釈可能,物理的に接地された制御を導入するフレームワークであるPhyCoを紹介する。 i) 摩擦, 再構成, 変形, 力が様々なシナリオで体系的に変化する100K以上のフォトリアリスティック・シミュレーション・ビデオの大規模データセット, (ii) 物理制御された拡散モデルの微調整, (iii) VLM誘導報酬最適化, 微調整された視覚言語モデルにより、対象とする物理クエリを用いて生成されたビデオを評価し、異なるフィードバックを提供する。
  論文  参考訳（メタデータ） (2026-04-30T17:53:03Z)
• Physion-Eval: Evaluating Physical Realism in Generated Video via Human Reasoning [77.34919361116037]
  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。
  論文  参考訳（メタデータ） (2026-03-20T03:25:41Z)
• PhysVideo: Physically Plausible Video Generation with Cross-View Geometry Guidance [31.104339154260312]
  物理対応ビデオを生成するフレームワークであるPhysVideoを提案する。 第一段階では、Phys4Viewは運動力学における物理的属性の影響を捉え、空間的時間的一貫性を高める。 第2段階では、生成した動画をガイダンスとして使用し、制御可能なビデオ合成のための前景ダイナミクスと背景コンテキストの相互作用を学習する。
  論文  参考訳（メタデータ） (2026-03-19T09:03:06Z)
• HOCA-Bench: Beyond Semantic Perception to Predictive World Modeling via Hegelian Ontological-Causal Anomalies [30.95227838131802]
  ビデオLLMは、セマンティック認識において着実に改善されているが、予測的世界モデリングには依然として不足している。 ヘーゲルレンズを通して物理異常をフレーム化するベンチマークであるHOCA-Benchを紹介する。
  論文  参考訳（メタデータ） (2026-02-23T07:40:32Z)
• 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)
• Improving the Physics of Video Generation with VJEPA-2 Reward Signal [28.62446995107834]
  最先端のビデオ生成モデルは、物理的な理解が極めて限られている。 直感的な物理理解は、自然なビデオでSSLの事前トレーニングから現れている。 VJEPA-2を報酬信号として活用することにより、最先端のビデオ生成モデルの物理的妥当性を6%向上できることを示す。
  論文  参考訳（メタデータ） (2025-10-22T13:40:38Z)
• 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)

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。