論文の概要: muSync-GS: Physics-Synchronized Driving Video Synthesis for Weather and Geometric Road Hazards

• arxiv url: http://arxiv.org/abs/2608.04412v1
• Date: Wed, 05 Aug 2026 03:47:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.704041
• Title: muSync-GS: Physics-Synchronized Driving Video Synthesis for Weather and Geometric Road Hazards
• Title（参考訳）: muSync-GS: 気象・幾何学的道路ハザードのための物理同期駆動ビデオ合成
• Authors: Yang Chen, Yicheng Zhu, Tao Li, Zilin Bian,
• Abstract要約: muSync-GSは物理同期フレームワークで、悪天候や道路上の危険下でビデオ合成を駆動する。 キャリブレーションされた車両モデルは、エゴカメラ軌道と同期物理アノテーションを構築するための速度、スリップ比、正常荷重、ピッチを予測する。
• 参考スコア（独自算出の注目度）: 8.411603210370858
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-quality driving data are essential for autonomous-driving systems and generative world models. However, rare and safety-critical scenarios involving adverse weather, braking under low tire--road friction, and uneven road geometry are costly and risky to collect at scale. Existing video-generation and 3D Gaussian editing methods can modify weather appearance or road geometry, but typically do not couple these edits with tire--road interaction and vehicle dynamics. As a result, an edited video may retain its original trajectory even when the modified road condition should alter braking, wheel slip, load transfer, and ego-camera motion. We present muSync-GS, a physics-synchronized framework for driving video synthesis under adverse-weather and road-elevation hazards. A precipitation-derived road-surface condition jointly controls road appearance and tire friction, while a shared road-elevation profile drives both visible road-geometry editing and axle excitation. A calibrated vehicle model predicts speed, slip ratio, normal loads, and pitch for constructing the ego-camera trajectory and synchronized physical annotations. On 12 held-out CarSim cases spanning precipitation levels, brake inputs, and road-profile parameters, the model achieves mean case-wise RMSEs of 0.0273 m/s for speed, 0.0590 degrees for pitch, 0.0101 for slip ratio, and 26.61 N for per-wheel normal load. Together with the reconstructed-scene experiments, these results show that muSync-GS accurately reproduces vehicle responses under held-out controls while synchronizing them with controllable scene edits and ego-camera motion.
• Abstract（参考訳）: 高品質な運転データは、自動運転システムと生成世界モデルにとって不可欠である。 しかし、悪天候、低タイヤ摩擦下のブレーキ、不均一な道路形状を含む稀で安全に重要なシナリオは、大規模に収集するのに費用がかかり危険である。 既存の映像生成法と3Dガウス編集法は、天気の外観や道路形状を変えることができるが、通常、これらの編集をタイヤと道路の相互作用や車両の動力学と組み合わせない。 その結果、修正された道路条件がブレーキ、車輪すべり、荷重移動、エゴカメラの動きを変化させたとしても、編集されたビデオは元の軌跡を保持することができる。 悪天候および道路高架環境下で映像合成を駆動するための物理同期フレームワークである muSync-GS を提案する。 降水に起因した道路表面条件は道路外観とタイヤ摩擦を協調的に制御し,共有道路標高プロファイルは視認できる道路形状の編集と軸励振の両方を駆動する。 キャリブレーションされた車両モデルは、エゴカメラ軌道と同期物理アノテーションを構築するための速度、スリップ比、正常荷重、ピッチを予測する。 降水量、ブレーキ入力、道路パラメータにまたがる12のケースでは、速度は0.0273 m/s、ピッチは0.0590°、スリップ比は0.0101 N、ホイール当たりの正常負荷は26.61 Nとなる。 これらの結果から,MuSync-GSは保留制御下での車両の反応を正確に再現し,制御可能なシーン編集やエゴカメラ動作と同期させることができた。

関連論文リスト

• Binary Road Surface Classification Using Machine Learning on Production Vehicle Signals During Cruising [0.0]
  走行中の車両信号と路面状態の相関関係を機械学習を用いて明らかにする必要がある。 特徴に基づくフレームワークとエンドツーエンドのデータ駆動フレームワークを用いて、車両の動力学的挙動の統計と路面の状態とを相関させる。 車輪速度、車輪トルク、長手加速度、操舵角度、ヨーレートの短い緩衝窓をバッチするスライディングウインドウアプローチを採用する。
  論文  参考訳（メタデータ） (2026-06-01T18:25:53Z)
• Physics-Aware 3D Gaussian Editing for Driving Scene Generation [19.443845441293647]
  RoVESは物理を意識した3Dガウス編集システムである。 シングルイメージ駆動の道路形状の挿入を可能にし、4-DOF半車両動力学的モデルで編集された道路形状を結合する。 ポーズ編集によって動的車両を編集し、フレームごとのポーズを補正し、動的に一貫性のある垂直変位とピッチ応答を近似する。
  論文  参考訳（メタデータ） (2026-05-25T02:57:23Z)
• ReinDriveGen: Reinforcement Post-Training for Out-of-Distribution Driving Scene Generation [61.64162666162948]
  ReinDriveGenは動的駆動シーンのフルコントロールを可能にするフレームワークである。 提案手法は,マルチフレームLiDARデータから動的3Dポイントクラウドシーンを構築する。 提案手法では,映像拡散モデルを用いてリアルな運転映像を合成する2次元条件画像に編集シーンを描画する。
  論文  参考訳（メタデータ） (2026-04-01T16:48:20Z)
• AutoWeather4D: Autonomous Driving Video Weather Conversion via G-Buffer Dual-Pass Editing [40.7960078327044]
  AutoWeather4Dは、幾何学と照明を明確に分離するために設計されたフィードフォワード3D対応気象編集フレームワークである。 実験により、AutoWeather4Dは、生成ベースラインに匹敵する光リアリズムと構造的整合性を達成することが示された。
  論文  参考訳（メタデータ） (2026-03-27T15:56:47Z)
• HorizonForge: Driving Scene Editing with Any Trajectories and Any Vehicles [63.88996084630768]
  制御可能な運転シーン生成は、現実的でスケーラブルな自律運転シミュレーションに不可欠である。 シーンを編集可能なガウス版とメッシュとして再構築する統合フレームワークであるHorizonForgeを紹介した。 実験により、ガウス・メシュ表現は代替の3次元表現よりもかなり高い忠実性をもたらすことが示された。
  論文  参考訳（メタデータ） (2026-02-24T20:03:47Z)
• GeoDrive: 3D Geometry-Informed Driving World Model with Precise Action Control [50.67481583744243]
  実世界モデルにロバストな3次元形状条件を明示的に統合したGeoDriveを紹介する。 車両の位置を編集することでレンダリングを強化するため,トレーニング中の動的編集モジュールを提案する。 動作精度と空間認識の両面で既存のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-28T14:46:51Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)

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。