論文の概要: GPU-Accelerated Inverse Structural Anastylosis from Block Collapse Dynamics
- arxiv url: http://arxiv.org/abs/2606.28394v1
- Date: Tue, 23 Jun 2026 23:59:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.544372
- Title: GPU-Accelerated Inverse Structural Anastylosis from Block Collapse Dynamics
- Title（参考訳）: ブロック崩壊ダイナミクスによるGPUによる逆構造アナスティローシスの1例
- Abstract要約: 本稿では,構造的アナスティラシスを逆予測タスクとして扱うGPU加速ディープラーニングフレームワークを提案する。
ジェンガのゲームに現れるこの問題の複雑さに触発され、ジェンガ逆予測器を提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The physical anastylosis of collapsed architectural monuments -- the meticulous reassembly of fallen stone elements into their original structural configuration -- represents one of the most intellectually demanding challenges in conservation science. Traditional approaches depend heavily on expert archaeologist judgement and manual block-by-block correspondence, a process that is both labour-intensive and inherently subjective. Inspired by the combinatorial complexity of this problem as manifested in the game of Jenga, we present Jenga Inverse Predictor , a GPU-accelerated deep learning framework that addresses structural anastylosis as an inverse prediction task. Given an image of a collapsed block assembly, JIP-2 reconstructs the most probable prior tower configuration by: (1) implementing a complete rigid-body physics engine with OBB/SAT collision detection and a Projected Gauss-Seidel (PGS) contact solver accelerated with Numba JIT and CuPy CUDA; (2) applying the analytical force thresholds of Ziglar (CMU, 2006) -- F_app = 3*mu_s*m*g (Y-axis, torque-free) and F_app = 4*mu_s*m*g (X-axis, torque risk) -- over three friction levels (mu_s in {0.25, 0.40, 0.60}) across 450 simulated episodes; (3) training a dual-stream ResNet-18 that injects a friction one-hot vector and jointly predicts block removal count, per-position removal probabilities, centre-of-mass imbalance, and Ziglar torque risk; and (4) generating a smooth 3-D video of the block-by-block reverse reconstruction. We discuss implications for computer-assisted anastylosis at the UNESCO Maya site of Uxmal, Yucatan, and provide a detailed technical description of the full pipeline, architecture, and loss formulation.
- Abstract（参考訳）: 崩壊した建造物の物理的アナスティラシス(崩壊した石の要素を元の構造に細心の注意を払って再組み立てる)は、保全科学において最も知的に要求される課題の1つだ。
伝統的なアプローチは、専門家の考古学者による判断と手動によるブロック・バイ・ブロックの対応に大きく依存している。
Jengaのゲームで示されたように、この問題の組合せ複雑性に触発されて、構造的アナスティラシスに対処するGPU加速ディープラーニングフレームワークであるJenga Inverse Predictorを逆予測タスクとして提示する。
1) OBB/SAT衝突検出を備えた完全剛体物理エンジンと、Numba JITとCuPy CUDAによって加速される射影ガウス・シーデル(PGS)接触ソルバを実装すること、(2) Ziglar (CMU, 2006) -- F_app = 3*mu_s*m*g (Y軸, トルクフリー) と F_app = 4*mu_s*m*g (X軸, トルクリスク) -- 450回にわたって3つの摩擦レベル( {0.25, 0.40, 0.60} におけるmu_s) と 450 回にわたって3つの摩擦レベル( 0.25, 0.40, 0.60} におけるmu_s*m*g (X軸, トルクリスク) と 3-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D- D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D- D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D------- ----D-D-----------D--------------------------------------------------------------------------------- ---------------------------------------------------------------------------------------------------- ------------------------------------------------------------
ユカタン,Uxmal の UNESCO Maya サイトにおいて,コンピュータ支援によるアナスティローシスの意義を論じ,完全なパイプライン,アーキテクチャ,損失の定式化について詳述する。
関連論文リスト
- NanoMorph-3D: An End-to-End Physics-Driven Unrolling Framework for Nanomaterial Reconstruction [12.817808960536397]
NanoMorph-3Dは包括的ナノ形態分類に基づくエンドツーエンドの統一フレームワークである。
非線形電子減衰を明示的にモデル化した大規模合成データセットを用いて, 近似勾配勾配を学習可能なアーキテクチャにマッピングする物理駆動アンロールネットワークを設計する。
実験では、NanoMorph-3Dが優れた忠実度と速度で様々なトポロジを再構成することを示した。
論文 参考訳（メタデータ） (2026-08-04T07:30:48Z) - KineBench: Benchmarking Embodied World Models via IDM-Free Kinematic Grounding [58.541098216700796]
エンボディド・ワールド・モデルの 物理的整合性を評価することは 重要なオープン・チャレンジです
既存のフレームワークはほとんどがアクション抽出に逆ダイナミクスモデル(IDM)に依存している。
IDMのないEWMのためのクローズドループベンチマークであるKineBenchを紹介する。
論文 参考訳（メタデータ） (2026-07-22T08:04:17Z) - 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) - D$^2$Turb: Depth-Aware Simulation and Decoupled Learning for Single-Frame Atmospheric Turbulence Mitigation [17.13838108128404]
単一フレームの大気乱流の緩和は、空間的に異なるぼやけと非剛性な幾何学的歪みのために本質的に不均一である。
D$2$Turbは、物理基底シミュレーションを明示的に分離した復元でブリッジする統合フレームワークである。
このシミュレーションエンジンに基づいて、D$2$Turbは修復を2つのインタラクティブステージ(テクスチャ劣化と幾何学的整合)に分解する。
論文 参考訳（メタデータ） (2026-05-25T20:25:25Z) - R-PGA: Robust Physical Adversarial Camouflage Generation via Relightable 3D Gaussian Splatting [59.29134814041703]
物理的敵対的なカモフラージュは、自律運転システムに深刻なセキュリティ上の脅威をもたらす。
現在の手法は、様々な幾何学的(例えば、視線構成)とラジオメトリックのバリエーションにまたがる一般化に失敗する。
Relightable Physical 3D Gaussian Splatting framework (R-PGA)を提案する。
論文 参考訳（メタデータ） (2026-03-27T04:38:04Z) - HSImul3R: Physics-in-the-Loop Reconstruction of Simulation-Ready Human-Scene Interactions [69.43316445143408]
HSImul3Rはヒトとシーンの相互作用をシミュレーション可能な3次元再構成のための統合フレームワークである。
既存の手法は知覚とシミュレーションのギャップに悩まされており、物理エンジンの不安定性と、具体化されたAIアプリケーションの失敗につながっている。
論文 参考訳（メタデータ） (2026-03-16T17:58:33Z) - Transolver-3: Scaling Up Transformer Solvers to Industrial-Scale Geometries [51.028432812178266]
Transolver-3は、高忠実度物理シミュレーションのために設計されたTransolverファミリーの新しいメンバーである。
Transolver-3は1億6000万以上のセルでメッシュを処理でき、3つの挑戦的なシミュレーションベンチマークで優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-02-04T16:52:44Z) - TGSBM: Transformer-Guided Stochastic Block Model for Link Prediction [13.840265247620556]
リンク予測はWebエコシステムの基盤であり、リコメンデーションや検索から知識グラフの完成、コラボレーション予測までアプリケーションを動かす。
従来のグラフニューラルネットワークはグローバルな依存関係を捉えるのに苦労する一方で、最近のグラフトランスフォーマーは高いパフォーマンスを達成しているが、解釈可能な構造構造が欠如している。
重なり合うブロックモデルの原理的生成構造とスパースグラフ変換器のパワーを統合するフレームワークであるテキストガイドブロックモデルを提案する。
論文 参考訳（メタデータ） (2026-01-28T14:32:24Z) - Reflections Unlock: Geometry-Aware Reflection Disentanglement in 3D Gaussian Splatting for Photorealistic Scenes Rendering [51.223347330075576]
Ref-Unlockは3Dガウススプラッティングをベースとした新しい幾何認識反射モデリングフレームワークである。
提案手法では、高次球面高調波を用いた二重分岐表現を用いて、高周波反射の詳細を捉える。
そこで本手法は,反射シーンのリアルなレンダリングのための効率的で一般化可能なソリューションを提供する。
論文 参考訳（メタデータ） (2025-07-08T15:45:08Z) - StableGS: A Floater-Free Framework for 3D Gaussian Splatting [9.935869165752283]
3D Gaussian Splatting(3DGS)の復元は、その幾何学的および視覚的忠実さを低下させるスタバボーンフローター(stbborn floater)のアーティファクトに悩まされている。
最終的な外観レンダリングから幾何正規化を分離する新しいフレームワークであるStableGSを提案する。
複数のベンチマークの実験では、StableGSはフローターを除去するだけでなく、一般的なぼやけたアーチファクトのトレードオフも解決している。
論文 参考訳（メタデータ） (2025-03-24T09:02:51Z) - Momentum-GS: Momentum Gaussian Self-Distillation for High-Quality Large Scene Reconstruction [15.940198979677344]
3D Gaussian Splattingは大規模なシーン再構築において顕著な成功を収めた。
しかし、高いトレーニングメモリ消費とストレージオーバーヘッドのため、課題は継続する。
本稿では,運動量に基づく自己蒸留を利用して,一貫性と精度を向上させる新しい手法であるMomentum-GSを提案する。
論文 参考訳（メタデータ） (2024-12-06T09:31:12Z) - 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) - Explainable Equivariant Neural Networks for Particle Physics: PELICAN [51.02649432050852]
PELICANは、新しい置換同変であり、ローレンツ不変アグリゲーターネットワークである。
本稿では,タグ付け(分類)とローレンツ発泡トップクォークの再構成(回帰)の両文脈におけるPELICANアルゴリズムアーキテクチャについて述べる。
PELICANの適用範囲を、クォーク開始時とグルーオン開始時とを識別するタスクに拡張し、5種類のジェットを対象とするマルチクラス同定を行う。
論文 参考訳（メタデータ） (2023-07-31T09:08:40Z)
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。