論文の概要: Gen2Physics: Grounding Generated 3D Meshes in Physics via Multi-View Material Decomposition
- arxiv url: http://arxiv.org/abs/2608.23869v1
- Date: Mon, 24 Aug 2026 22:18:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.645993
- Title: Gen2Physics: Grounding Generated 3D Meshes in Physics via Multi-View Material Decomposition
- Title（参考訳）: Gen2Physics:多視点材料分解による物理におけるグラウンド生成3Dメッシュ
- Abstract要約: Gen2Physicsは、自動的にそれらを構成材料コンポーネントに分解することで、物理においてメッシュを生成する。
我々のパイプラインは、高密度材料セグメンテーションのための微調整されたビジョントランス、ロバストな2次元から3次元の整合性プロジェクション、そしてビジョン・ランゲージ・モデル(VLM)の洗練を図っている。
- 参考スコア（独自算出の注目度）: 10.183626550724352
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While state-of-the-art generative models produce high-fidelity 3D meshes, these outputs lack the physical properties required for interactive simulation, gaming, or robotics. We introduce Gen2Physics, a unified and automated framework that grounds generated meshes in physics by automatically decomposing them into their constituent material components. Unlike prior approaches, which focus on volumetric representations incompatible with standard physics engines, Gen2Physics operates directly on meshes to produce immediately simulation-ready assets. Our pipeline integrates a fine-tuned Vision Transformer for dense material segmentation, a robust 2D-to-3D consistency projection, and a Vision-Language Model (VLM) guided refinement that leverages contextual reasoning to assign physical properties and infer internal geometry (solid vs. hollow). By converting surface patches into volumes with distinct densities, our method enables physically plausible dynamic simulations. Experimental results on the ABO-500 and PartNet-Material benchmarks demonstrate that Gen2Physics more than doubles the material segmentation accuracy of prior physics-grounding pipelines (15.6 to 48.3 mIoU), while matching the mass-estimation accuracy of volumetric methods and being the only approach to output watertight per-material sub-meshes.
- Abstract（参考訳）: 最先端の生成モデルは高忠実度3Dメッシュを生成するが、これらの出力はインタラクティブなシミュレーション、ゲーム、ロボット工学に必要な物理的特性を欠いている。
Gen2Physicsは、物理において生成されたメッシュを自動的に構成材料コンポーネントに分解することで、生成したメッシュを基盤として、統一的で自動化されたフレームワークである。
標準的な物理エンジンと互換性のない体積表現に焦点を当てた従来のアプローチとは異なり、Gen2Physicsはメッシュ上で直接動作し、即座にシミュレーション可能な資産を生成する。
我々のパイプラインは、高密度材料セグメンテーションのための微調整されたビジョントランスフォーマー、頑健な2次元から3次元の整合性プロジェクション、および物理的特性の割り当てと内部幾何(ソリッド対ホロウ)の推測に文脈的推論を活用するビジョン・ランゲージ・モデル(VLM)を統合している。
表面パッチを異なる密度のボリュームに変換することにより、物理的に妥当な動的シミュレーションを可能にする。
ABO-500とPartNet-Materialベンチマークの実験結果は、Gen2Physicsが以前の物理接地パイプラインの材料セグメンテーション精度(15.6から48.3 mIoU)を2倍にし、容積法の質量推定精度と一致し、物質ごとの水密度を出力する唯一のアプローチであることを示している。
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) - PhysX-Omni: Unified Simulation-Ready Physical 3D Generation for Rigid, Deformable, and Articulated Objects [60.069451811298315]
pysX-Omniは、様々な資産タイプにまたがるシミュレーション可能な物理3D生成のための統合フレームワークである。
具体的には、圧縮のない高解像度3D構造を直接符号化するビジョンランゲージモデルに適した、新規で効率的な幾何学的表現を開発する。
さらに,室内および屋外の多様なカテゴリをカバーするシミュレーション可能な最初の汎用3DデータセットであるPhysXVerseを構築した。
論文 参考訳（メタデータ） (2026-05-20T17:59:01Z) - PhysForge: Generating Physics-Grounded 3D Assets for Interactive Virtual World [39.46909309051163]
物理地上の3Dアセットを合成するフレームワークであるPhysForgeを紹介した。
物理建築家」は「物理建築家」として働き、「階層的物理的青写真」を計画する
物理基底拡散モデルは、正確な運動パラメータとともに高忠実度幾何によりこの青写真を実現する。
論文 参考訳（メタデータ） (2026-05-06T17:33:23Z) - 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) - SLAT-Phys: Fast Material Property Field Prediction from Structured 3D Latents [55.26273954022457]
物理に基づくシミュレーション、ロボット工学、デジタルツインジェネレーションにおいて、3Dアセットの材料特性場を推定することが重要である。
本稿では,1枚のRGB画像から空間的に変化する3次元資産の材料特性場を,明示的な3次元再構成なしに直接予測するSLAT-Physを提案する。
論文 参考訳（メタデータ） (2026-03-25T06:14:03Z) - MotionAnymesh: Physics-Grounded Articulation for Simulation-Ready Digital Twins [25.25391483526521]
MotionAnymeshは、非構造化の静的メッシュをシミュレーション可能なデジタルツインにシームレスに変換するフレームワークである。
提案手法は, VLM推論をSP4D物理先行値で根拠とした運動認識部分分割モジュールを特徴とする。
論文 参考訳（メタデータ） (2026-03-13T12:30:42Z) - FastPhysGS: Accelerating Physics-based Dynamic 3DGS Simulation via Interior Completion and Adaptive Optimization [56.17833729527066]
我々は物理に基づく動的3DGSシミュレーションのためのフレームワークであるFastPhysGSを提案する。
FastPhysGSは、わずか7GBのランタイムメモリを使用して、1分で高忠実度物理シミュレーションを実現する。
論文 参考訳（メタデータ） (2026-02-02T07:00:42Z) - PhysX-Anything: Simulation-Ready Physical 3D Assets from Single Image [67.76547268461411]
PhysX-Anythingは最初のシミュレーション可能な物理3D生成フレームワークである。
高品質なsim-ready 3Dアセットを明示的な幾何学、調音、物理的特性で生成する。
トークンの数を193倍に減らし、標準VLMトークン予算内で明示的な幾何学的学習を可能にする。
論文 参考訳（メタデータ） (2025-11-17T17:59:53Z) - GaussianProperty: Integrating Physical Properties to 3D Gaussians with LMMs [21.3615403516602]
視覚データに対する物理的特性の推定は、コンピュータビジョン、グラフィックス、ロボット工学において重要な課題である。
教材の物理的特性を3Dガウスアンに割り当てる学習自由フレームワークであるガウスプロパティを紹介する。
物理特性アノテーションを持つ3次元ガウスアンが物理に基づく動的シミュレーションやロボットグルーピングに応用できることを実証する。
論文 参考訳（メタデータ） (2024-12-15T17:44:10Z) - Phys4DGen: Physics-Compliant 4D Generation with Multi-Material Composition Perception [9.355276457984603]
Phys4DGenは、多物質合成知覚と物理シミュレーションを統合する新しい4D生成フレームワークである。
このフレームワークは、3つの革新的なモジュールを通して、自動化され、物理的に妥当な4D生成を実現する。
合成と実世界の両方のデータセットの実験により、Phys4DGenは物理的リアリズムを持つ高忠実な4Dコンテンツを生成可能であることが示された。
論文 参考訳（メタデータ） (2024-11-25T12:12:38Z) - PhysFlow: Unleashing the Potential of Multi-modal Foundation Models and Video Diffusion for 4D Dynamic Physical Scene Simulation [9.306758077479472]
PhysFlowは、マルチモーダル基礎モデルとビデオ拡散を利用して、強化された4次元ダイナミックシーンシミュレーションを実現する新しいアプローチである。
この統合フレームワークは、現実世界のシナリオにおける動的相互作用の正確な予測と現実的なシミュレーションを可能にする。
論文 参考訳（メタデータ） (2024-11-21T18:55:23Z) - DreamPhysics: Learning Physics-Based 3D Dynamics with Video Diffusion Priors [75.83647027123119]
本稿では,映像拡散前の物体の物理的特性を学習することを提案する。
次に,物理に基づくMaterial-Point-Methodシミュレータを用いて,現実的な動きを伴う4Dコンテンツを生成する。
論文 参考訳（メタデータ） (2024-06-03T16:05:25Z)
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。