論文の概要: LaGSplat: Inferring Physics-Governed Interactive Simulation from Monocular Video Using Latent Lagrangian Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2608.16324v1
- Date: Mon, 17 Aug 2026 09:29:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.620494
- Title: LaGSplat: Inferring Physics-Governed Interactive Simulation from Monocular Video Using Latent Lagrangian Gaussian Splatting
- Title（参考訳）: LaGSplat:Lagrangian Gaussian Splattingを用いた単眼ビデオからの物理支配型インタラクティブシミュレーション
- Abstract要約: ラグスプラ(LaGSplat)は、1つまたは数個の単分子ビデオから、対話的で物理に支配されたダイナミクスを推論するフレームワークである。
推測すると、ユーザーは被写体を硬くまたは変形させることができ、外部の力は測定されなかったり、注釈を付けたり、訓練中に見えたりする。
剛性から変形性,自律性から強制的な実システムに至るまで,難易度が高くなるテストケースについてLaGSplatを検証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present LaGSplat (Latent Lagrangian Gaussian Splatting), a framework that infers interactive, physics-governed dynamics from one or a few monocular videos. At inference it lets a user push on the filmed object, rigid or deformable, with an external force that was never measured, annotated, or seen during training. This is possible because a low-dimensional latent state $\mathbf{q} \in \mathbb{R}^d$ plays two roles at once: it is the generalised coordinate of a learned dissipative Lagrangian and the conditioning variable of a Gaussian Splatting decoder. The inductive bias of this decoder, whose primitives are explicit points $μ_i(\mathbf{q})$ that move with the object, is what lets a force $f$ applied in the image pull back into a latent generalised force $J(\mathbf{q})^\top f$ and enter the equations of motion, which pixel-space (CNN) or neural-field (NeRF) decoders cannot do. We validate LaGSplat on test cases of increasing difficulty, from rigid to deformable and from autonomous to forced real systems, combining monocular video and sensor measurements. We further demonstrate interactive use: forces of arbitrary magnitude and direction can be applied to the reconstructed object at any time, its response rendered in real time, in 2D or 3D. Assuming a dissipative Euler-Lagrange equation over a few generalised coordinates trades generality for a bounded, plausible response to unseen forces, where an unconstrained predictor diverges.
- Abstract（参考訳）: LaGSplat(Latent Lagrangian Gaussian Splatting、ラグランジアン・ガウシアン・スプラッティング)は、1つまたは数個の単分子ビデオから、対話的で物理に支配されたダイナミクスを推論するフレームワークである。
推測すると、ユーザーは被写体を硬くまたは変形させることができ、外部の力は測定されなかったり、注釈を付けたり、訓練中に見えたりする。
これは、低次元潜在状態 $\mathbf{q} \in \mathbb{R}^d$ が、学習された散逸的ラグランジアンの一般座標とガウスス・スティング・デコーダの条件変数の2つの役割を同時に果たすためである。
このデコーダの帰納バイアスは、プリミティブが明示的な点 $μ_i(\mathbf{q})$ でオブジェクトを移動させ、画像に印加される力 $f$ を遅延一般化力 $J(\mathbf{q})^\top f$ に引き戻し、ピクセル空間(CNN)やニューラルフィールド(NeRF)デコーダができない運動方程式に入力させる。
モノクロビデオとセンサ計測を組み合わせて, 剛性から変形性, 自律性から強制的な実システムに至るまで, 難易度が高くなるテストケースについてLaGSplatを検証した。
任意の大きさの力と方向の力は、任意の時間に再構成された物体に適用でき、その応答はリアルタイムで2Dまたは3Dで表現できる。
数個の一般化された座標上の散逸的オイラー・ラグランジュ方程式を仮定すると、非制限予測器が発散する非可視的な力に対する有界な反応に対して一般性を交換する。
関連論文リスト
- PhysiFormer: Learning to Simulate Mechanics in World Space [56.16644631495]
物理的に表現可能な3次元物体運動のための拡散変換器であるPhysorFormerを提案する。
世界座標で表される3Dメッシュとしてオブジェクトを表す。
これは、軌道精度、剛性保存、運動量に基づく物理的一貫性において、自己回帰ベースラインを大幅に上回る。
論文 参考訳（メタデータ） (2026-06-25T17:59:00Z) - R5DGS: Semantic-Aware 4D Gaussian Splatting with Rigid Body Constraints for Efficient Dynamic Scene Reconstruction [0.0]
マルチビュービデオからダイナミックな3Dシーンを再構築し、予測することは、ロボティクス、AR/VR、デジタルツインの基本的なタスクである。
近年の物理インフォームドガウシアン・スティング法は, 将来的なフレーム外挿を実現するが, 意味的認識が欠如し, 計算オーバーヘッドが大きい。
物理駆動の 4D ガウス表現をコンパクトな恒等ベクトルで拡張するフレームワークである $textbfR5DGS$ を紹介する。
論文 参考訳（メタデータ） (2026-05-25T14:46:04Z) - DragMesh: Interactive 3D Generation Made Easy [12.832539752284466]
DragMeshはリアルタイムインタラクティブな3Dコーディネーションのための堅牢なフレームワークである。
私たちのコアコントリビューションは、新しい分離されたキネマティック推論とモーションジェネレーションフレームワークです。
論文 参考訳（メタデータ） (2025-12-06T13:10:44Z) - HoliGS: Holistic Gaussian Splatting for Embodied View Synthesis [59.25751939710903]
本稿では,長い単眼RGBビデオのエンボディドビュー合成に対処する,変形可能なガウススプラッティングフレームワークを提案する。
提案手法は,非可逆ガウス散乱変形ネットワークを利用して大規模動的環境を正確に再構築する。
その結果、現実のシナリオにおけるEVSの実用的でスケーラブルなソリューションが浮かび上がっています。
論文 参考訳（メタデータ） (2025-06-24T03:54:40Z) - FreeTimeGS: Free Gaussian Primitives at Anytime and Anywhere for Dynamic Scene Reconstruction [64.30050475414947]
FreeTimeGSはガウスのプリミティブを任意の時間と位置で表示できる新しい4D表現である。
我々の表現は強い柔軟性を持ち、ダイナミックな3Dシーンをモデル化する能力を向上させる。
いくつかのデータセットに対する実験結果から,本手法のレンダリング品質は,最近の手法よりも大きなマージンで優れていることが示された。
論文 参考訳（メタデータ） (2025-06-05T17:59:57Z) - GaussianUDF: Inferring Unsigned Distance Functions through 3D Gaussian Splatting [49.60513072330759]
本稿では,3次元ガウスとUDFのギャップを埋める新しい手法を提案する。
私たちのキーとなるアイデアは、表面上の細く平坦な2次元ガウス平面を過度に適合させ、それから自己超越と勾配に基づく推論を活用することである。
我々は, 境界を持つ開放面の精度, 効率, 完全性, シャープ性の観点から, 優位性を示す。
論文 参考訳（メタデータ） (2025-03-25T08:46:55Z) - Motion Blender Gaussian Splatting for Dynamic Scene Reconstruction [32.64620619764744]
Motion Blender Gaussian Splatting (MBGS)は、動きグラフを明示的でスパースな動き表現として利用する新しいフレームワークである。
MBGSは、非常に挑戦的なiPhoneデータセットで最先端のパフォーマンスを達成する。
本稿では,新しいオブジェクトのポーズをアニメーション化し,実際のロボットのデモを合成し,視覚的計画を通じてロボットの動作を予測する手法の適用可能性を実証する。
論文 参考訳（メタデータ） (2025-03-12T03:55:16Z) - DecoupledGaussian: Object-Scene Decoupling for Physics-Based Interaction [21.80091691062415]
DecoupledGaussianは、接触した表面から静止物体を分離する新しいシステムだ。
DecoupledGaussianを総合的なユーザスタディと定量的ベンチマークで検証する。
このシステムは、現実世界の環境におけるオブジェクトやシーンとのデジタルインタラクションを強化し、VR、ロボティクス、自動運転といった産業に恩恵をもたらす。
論文 参考訳（メタデータ） (2025-03-07T14:54:54Z) - FreeGaussian: Annotation-free Controllable 3D Gaussian Splats with Flow Derivatives [43.087760256901234]
本稿では,光学フローとカメラモーションから動的ガウス運動を数学的に導出するFreeGaussianを提案する。
本手法は,フロー先行からの動的ガウス運動の自己教師付き最適化と連続性を実現する。
論文 参考訳（メタデータ） (2024-10-29T14:29:21Z) - Dynamic Gaussian Marbles for Novel View Synthesis of Casual Monocular Videos [58.22272760132996]
既存の4次元ガウス法は単分子配置が制約されていないため、この設定で劇的に失敗することを示す。
単分子配置の難易度を目標とした3つのコア修正からなる動的ガウス大理石を提案する。
Nvidia Dynamic ScenesデータセットとDyCheck iPhoneデータセットを評価し,Gaussian Marblesが他のGaussianベースラインを著しく上回っていることを示す。
論文 参考訳（メタデータ） (2024-06-26T19:37:07Z) - Modelling Latent Dynamics of StyleGAN using Neural ODEs [52.03496093312985]
我々は、GANから独立に反転した潜在符号の軌跡を学習する。
学習した連続軌道により、無限のフレームと一貫したビデオ操作を行うことができる。
提案手法は最先端の性能を実現するが,計算量が少なくなる。
論文 参考訳（メタデータ） (2022-08-23T21:20:38Z)
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。