論文の概要: $φ$-Scene: Physically Grounded Image-to-3D Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2606.21596v1
• Date: Fri, 19 Jun 2026 16:50:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 06:47:36.112814
• Title: $φ$-Scene: Physically Grounded Image-to-3D Scene Reconstruction
• Title（参考訳）: $φ$-Scene: 物理的にグラウンド化された画像から3Dのシーン再構築
• Authors: Haodong Li, Lulu Shao, Haolin Lu, Yu Fu, Yen-Ru Chen, Seemandhar Jain, Manmohan Chandraker,
• Abstract要約: $-Sceneは、オープン語彙とコンポジション画像の3Dシーン再構築のための物理的に基礎的なアプローチである。 オブジェクトが相互にサポートする方法を推論し、それに従ってそれらを順序付けし、各オブジェクトがその安定したサポートコンテキストに対して解決する。 3D-Frontの実験では、$$-Sceneはドメイン外のメソッドの中で最も高い全体的なパフォーマンスを実現している。
• 参考スコア（独自算出の注目度）: 48.26103456970799
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing compositional 3D scenes from a single image is a fundamental challenge in 3D world modeling. Recent methods can recover high-fidelity, complete 3D objects and predict plausible scene arrangements, but most still treat scene reconstruction primarily as a visual and geometric prediction problem. Their outputs may therefore contain floating objects, interpenetrations, or unstable-contact artifacts, limiting their physical validity and downstream usability in simulation, robotics, and interactive environments. We present $φ$-Scene, a physically grounded approach to open-vocabulary and compositional image-to-3D scene reconstruction. The key premise is that a reconstructed scene should not be treated merely as a set of objects with predicted poses, but as a stable physical system. Accordingly, $φ$-Scene formulates reconstruction as topology-driven physical assembly: it infers how objects support one another, orders them accordingly, and progressively settles each object against its already stabilized support context. For each object in topological order, SDF-based optimization first resolves penetrations against the pre-settled support context, and rigid-body simulation then settles the object into a stable contact configuration under real-world physical constraints. Experiments on 3D-Front show that $φ$-Scene achieves the strongest overall performance among out-of-domain methods and remains highly competitive with in-domain baselines. Human and VLM evaluations further show strong preference for $φ$-Scene in visual quality, reference alignment, and physical plausibility. Finally, dedicated physical plausibility metrics covering static contact quality and dynamic stability demonstrate that $φ$-Scene substantially reduces penetration artifacts while producing much lower post-simulation drift, indicating more stable and physically grounded 3D scenes.
• Abstract（参考訳）: 1枚の画像から合成された3Dシーンを再構築することは、3Dワールド・モデリングにおける根本的な課題である。 近年の手法では、高忠実度で完全な3Dオブジェクトを復元し、可視的なシーン配置を予測できるが、ほとんどの場合、主に視覚的および幾何学的予測問題としてシーン再構成を扱う。 そのため、それらの出力には浮遊物、相互接続物、不安定な接触物が含まれており、シミュレーション、ロボット工学、インタラクティブ環境における物理的妥当性と下流のユーザビリティを制限している。 オープン・ボキャブラリとコンポジション・イメージ・トゥ・3Dのシーン再構成のための物理基盤的アプローチであるφ$-Sceneを提示する。 重要な前提は、再構成されたシーンは、単に予測されたポーズを持つオブジェクトの集合として扱われるのではなく、安定した物理的システムとして扱われるべきである。 したがって、$φ$-Sceneは、再構成をトポロジー駆動の物理アセンブリとして定式化し、オブジェクトが相互にどのようにサポートするかを推論し、それに従って順序付けし、各オブジェクトを、すでに安定しているサポートコンテキストに対して徐々に解決する。 トポロジ的順序で各オブジェクトに対して、SDFに基づく最適化は、まず事前に設定されたサポートコンテキストに対する侵入を解決し、剛体シミュレーションは、オブジェクトを現実の物理的制約の下で安定な接触構成に分解する。 3D-Frontの実験によると、$φ$-Sceneはドメイン外のメソッドの中で最大の全体的なパフォーマンスを実現し、ドメイン内のベースラインと高い競争力を維持している。 人間とVLMの評価は、視覚的品質、参照アライメント、物理的妥当性において$φ$Sceneを強く好んでいる。 最後に、静的接触品質と動的安定性をカバーする専用物理可視性測定により、$φ$-Sceneは、より低いシミュレーション後ドリフトを生成しながら、浸透アーティファクトを著しく低減し、より安定で物理的に接地された3Dシーンを示す。

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)
• REST3D: Reconstructing Physically Stable 3D Scenes from a Single Image [31.061246129846044]
  1枚のRGB画像から物理的に安定な3Dシーンを再構成することで、カジュアル画像をシミュレーション可能なデジタルアセットに変換することができる。 物理的シーン理解と物理制約のある精細化を統合することで、物理的に安定な3Dシーンを再構成できる単一画像再構成フレームワークであるREST3Dを提案する。
  論文  参考訳（メタデータ） (2026-05-28T17:59:01Z)
• SAM3D-Phys: Towards Multi-Object Interactive Simulation in Real World [42.46212677643043]
  SAM3D-Physは、シーン再構成とSAM3Dの3D先行生成を統合し、物理的にシミュレート可能なオブジェクトを復元するフレームワークである。 完全なオブジェクト形状を復元し、シーン内のポーズと外観を復元することにより、SAM3D-Physは物理シミュレーションに適したクリーンなオブジェクト表現を生成する。
  論文  参考訳（メタデータ） (2026-05-28T17:07:51Z)
• PhyScensis: Physics-Augmented LLM Agents for Complex Physical Scene Arrangement [89.35154754765502]
  PhyScensisは物理エンジンを動力とするエージェントベースのフレームワークで、物理的に可視なシーン構成を生成する。 本フレームワークは,微粒なテキスト記述や数値パラメータに対する強い制御性を保っている。 実験の結果,本手法はシーンの複雑さ,視覚的品質,身体的精度において,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-02-16T17:55:25Z)
• PAT3D: Physics-Augmented Text-to-3D Scene Generation [47.18949891825537]
  PAT3Dは3Dオブジェクトを生成し、それらの空間的関係を推測し、それらを階層的なシーンツリーに整理する。 微分可能な剛体シミュレータは、重力下での現実的な物体の相互作用を保証する。 実験により、PAT3Dは、物理的妥当性、意味的一貫性、視覚的品質において、従来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） (2025-11-26T23:23:58Z)
• SCORP: Scene-Consistent Object Refinement via Proxy Generation and Tuning [46.441761732998536]
  プロキシジェネレーションとチューニング(SCORP)によるシーン一貫性オブジェクトリファインメント(Scene-Consistent Object Refinement)について紹介する。 SCORP は、3D 生成に先立って細粒度なオブジェクトの形状と外観を復元する新しい3D拡張フレームワークである。 これは、新しいビュー合成と幾何完成タスクの両方において、最近の最先端のベースラインに対して一貫した利得を達成する。
  論文  参考訳（メタデータ） (2025-06-30T13:26:21Z)
• Physically Compatible 3D Object Modeling from a Single Image [109.98124149566927]
  単一画像を3次元物理オブジェクトに変換するフレームワークを提案する。 我々のフレームワークは、リコンストラクションプロセスに物理的な互換性を組み込む。 既存の手法よりも3Dモデルの物理的リアリズムを一貫して強化する。
  論文  参考訳（メタデータ） (2024-05-30T21:59:29Z)

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。