論文の概要: MeGAS: Thermomechanical Dynamic Gaussian Splatting for Thermophysical Scene Editing

• arxiv url: http://arxiv.org/abs/2606.23455v1
• Date: Mon, 22 Jun 2026 15:05:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 18:56:09.105897
• Title: MeGAS: Thermomechanical Dynamic Gaussian Splatting for Thermophysical Scene Editing
• Title（参考訳）: MeGAS:サーモメカニカルダイナミックガウススプレイティングによるサーモフィジカルシーン編集
• Authors: Zesong Yang, Yuanhang Lei, Liyuan Cui, Yihang Chen, Jiaer Huang, Boming Zhao, Peter Yichen Chen, Hujun Bao, Zhaopeng Cui,
• Abstract要約: 熱力学的相変化ダイナミクスを3次元ガウススプラッティングに組み込んだMeGASを提案する(3DGS)。 MeGASは、物理統合された世界モデルに向けて、高忠実なフォトリアリスティックレンダリングを維持しながら、物理的に一貫した熱力学的挙動を生成する。
• 参考スコア（独自算出の注目度）: 53.96914021628847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances integrate physically grounded Newtonian dynamics with neural rendering frameworks, narrowing the gap between photorealistic scene reconstruction and physics-based animation. However, existing approaches focus on mechanically driven dynamics while neglecting temperature, a fundamental yet invisible physical factor underlying phenomena such as melting, solidification, and other thermomechanical processes. In this paper, we propose MeGAS, a novel framework that incorporates thermomechanical phase-change dynamics into 3D Gaussian Splatting (3DGS). Specifically, we propose a new thermomechanical dynamic Gaussian Splatting representation that augments 3DGS with temperature attributes and employs a heat advection-diffusion solver with MPM dynamics incorporating phase transitions, enabling physically plausible and visually realistic synthesis of thermophysical phenomena. Furthermore, a new topology-adaptive Gaussian rendering strategy is proposed to mitigate cracking and floaters under extreme deformation. Extensive experiments demonstrate that MeGAS produces physically consistent thermomechanical behavior while maintaining high-fidelity photorealistic rendering, advancing toward physics-integrated world models.
• Abstract（参考訳）: 最近の進歩は、物理的に接地したニュートン力学とニューラルネットワークの枠組みを統合し、フォトリアリスティックなシーン再構成と物理に基づくアニメーションのギャップを狭める。 しかし、既存のアプローチでは、温度を無視しながら機械的に駆動される力学に焦点が当てられている。 本稿では, 熱力学的相変化ダイナミクスを3次元ガウススティング(3DGS)に組み込んだ新しいフレームワークであるMeGASを提案する。 具体的には,3DGSに温度特性を付加し,位相遷移を取り入れた熱対流拡散解法を用いて熱物理現象の物理的かつ現実的な合成を可能にする,新しい熱力学的動的ガウス散乱表現を提案する。 さらに, クラックやフローターを極変形下で緩和する新しいトポロジー適応型ガウスレンダリング手法を提案する。 大規模な実験により、MeGASは物理統合された世界モデルに向けて、高忠実なフォトリアリスティックレンダリングを維持しながら、物理的に一貫した熱力学的挙動を生み出すことが示されている。

関連論文リスト

• 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)
• PhysConvex: Physics-Informed 3D Dynamic Convex Radiance Fields for Reconstruction and Simulation [24.027702371470323]
  PhysConvexは物理インフォームド3Dダイナミック凸放射場であり、視覚的レンダリングと物理シミュレーションを統合する。 ジオメトリと表面力学による変形をモデル化する境界駆動型動的凸表現を提案する。 さらに, 形状・材料を考慮した変形基盤として, ニューラルネットワークを用いた動的凸場を回避できる低次凸シミュレーションを開発した。
  論文  参考訳（メタデータ） (2026-02-21T16:16:33Z)
• i-PhysGaussian: Implicit Physical Simulation for 3D Gaussian Splatting [60.46736489360263]
  i-PhysGaussian は 3D Gaussian Splatting (3DGS) と暗黙のMaterial Point Method (MPM) を結合するフレームワークである。 明示的な方法とは異なり、我々の解は運動量-平衡残差を最小化することでステップの終了状態を得る。 結果は、i-PhysGaussianは明示的なベースラインよりも最大20倍の時間ステップで安定性を維持することを示した。
  論文  参考訳（メタデータ） (2026-02-19T06:38:35Z)
• ProPhy: Progressive Physical Alignment for Dynamic World Simulation [55.456455952212416]
  ProPhyは、明示的な物理認識条件付けと異方性生成を可能にするプログレッシブ物理アライメントフレームワークである。 ProPhyは既存の最先端手法よりもリアルでダイナミックで物理的に一貫性のある結果が得られることを示す。
  論文  参考訳（メタデータ） (2025-12-05T09:39:26Z)
• Physics-Informed Deformable Gaussian Splatting: Towards Unified Constitutive Laws for Time-Evolving Material Field [31.2769262836663]
  本研究では物理インフォームド・デフォルマブル・ガウス・スティング(PIDG)を提案する。 具体的には,静的非結合な4Dハッシュ符号化を用いて,形状と動きを効率的に再構成する。 さらに、ラグランジアン粒子流とカメラ補償光流とを合わせることでデータの適合を監督し、収束を加速し、一般化を改善する。
  論文  参考訳（メタデータ） (2025-11-09T09:35:03Z)
• PhyMAGIC: Physical Motion-Aware Generative Inference with Confidence-guided LLM [17.554471769834453]
  一つの画像から物理的に一貫した動きを生成するトレーニング不要のフレームワークであるPhyMAGICを提案する。 PhyMAGICは、事前訓練された画像間拡散モデル、LDMによる信頼誘導推論、微分可能な物理シミュレータを統合する。 総合的な実験により、PhyMAGICは最先端のビデオジェネレータや物理対応のベースラインより優れていることが示された。
  論文  参考訳（メタデータ） (2025-05-22T09:40:34Z)
• 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)

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。