論文の概要: Principia: Relational Physics Tests for Video Models

• arxiv url: http://arxiv.org/abs/2609.04200v1
• Date: Thu, 03 Sep 2026 17:59:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.203587
• Title: Principia: Relational Physics Tests for Video Models
• Title（参考訳）: Principia:ビデオモデルのための関係物理テスト
• Abstract要約: ペアオブジェクト間の関係整合性を通じてニュートン物理学を評価するベンチマークであるPrincipiaを紹介する。 プリンキピアは重力、置換、摩擦、投射運動、運動量、振り子、質量発振の8つの現象にまたがる。 また、画像空間における物理的違反を直接定量化するキャリブレーション非依存の一貫性スコアも導入する。
• 参考スコア（独自算出の注目度）: 10.272466104440381
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Evaluating physical reasoning in video models is difficult because absolute motion measurements depend on frame rate, object scale, and camera calibration, all of which are often ambiguous or unavailable in generated video. We propose a different approach. When two objects in the same scene obey the same physical law, their motions must satisfy predictable relationships, and these relationships hold independent of calibration. We introduce Principia, a benchmark that evaluates Newtonian physics through relational consistency between paired objects. Principia spans eight phenomena - gravity, restitution, friction, rotational inertia, projectile motion, momentum, pendulum, and mass-spring oscillation - across translational, rotational, collisional, and oscillatory dynamics, using real-world scenes recorded under controlled protocols. We also introduce a calibration-independent consistency score that quantifies physical violation directly in image space. Across thousands of generations from six state-of-the-art video generators, no model exceeds 0.42 on Principia despite all scoring around 0.8 on VBench. Vision-language models are evaluated on their ability to detect relational physics violations, with the best model achieving only 67% accuracy and most performing near chance level.
• Abstract（参考訳）: 絶対運動計測はフレームレート、オブジェクトスケール、カメラキャリブレーションに依存するため、ビデオモデルにおける物理的推論を評価するのは難しい。 我々は別のアプローチを提案する。 同じ場面で2つの物体が同じ物理法則に従う場合、それらの動きは予測可能な関係を満たす必要があり、これらの関係は校正とは無関係である。 ペアオブジェクト間の関係整合性を通じてニュートン物理学を評価するベンチマークであるPrincipiaを紹介する。 プリンキピアは8つの現象(重力、再生、摩擦、回転慣性、投射運動、運動量、振り子、質量発振)にまたがる。 また、画像空間における物理的違反を直接定量化するキャリブレーション非依存の一貫性スコアも導入する。 最先端の6つのビデオジェネレータから数千世代にわたって、VBenchで0.8のスコアを得たにもかかわらず、プリンキピアでは0.42を超えるモデルはない。 視覚言語モデルは、リレーショナル物理学の違反を検出する能力に基づいて評価され、最良のモデルは67%の精度しか達成せず、最も高い確率で機能する。

関連論文リスト

• RigidBench: Evaluating Rigid-Body Physics in Video Generation Models [16.53417077740312]
  そこで本研究では,生成した継続と参照ロールアウトを同一の初期フレームと動作記述から比較したシミュレータグラウンドベンチマークを提案する。 同じ100の例で8つのモデルを評価し、これらの側面を分離する10の計測を行った。 完全な微調整により3次元軌道誤差は約20%減少し、SSIMはほとんど変化しない。
  論文  参考訳（メタデータ） (2026-08-16T06:05:20Z)
• GAUGE: A Measurement-Grounded Benchmark for Physical Fidelity in Simulation Engines and Video World Models [66.77745044586173]
  GAUGEは、数値シミュレータと生成ビデオワールドモデルがどのように現実の物理学から再現または逸脱するかを評価するための実世界の診断ベンチマークである。 一般化された軌道誤差を用いて14のタスクファミリー上でIsaac Sim,Genesis,Newtonをベンチマークし,5つの剛体タスクに対して6つのイメージ・ツー・ビデオモデルを評価する。 この結果から, 衝撃的接触, 高速繊維運動, 体積変形に起因する最大の相違点を有する一様忠実な物理エンジンは見つからなかった。
  論文  参考訳（メタデータ） (2026-08-06T12:19:38Z)
• A Physics-Grounded Benchmark for Multi-Agent Dynamics in World Models [96.64934195520802]
  我々は、世界モデルの物理的信頼性をストレステストするために設計された物理地上評価フレームワークであるCrashTwinを紹介する。 CrashTwinは、25K制御可能な合成12K実世界の衝突シーケンスを含む、多様なマルチエージェント衝突シナリオのデータセットを結合している。 本稿では,時間的一貫性,運動量,運動エネルギーの保存,世界力学の整合性という3つの次元を体系的に評価する診断スイートを提案する。
  論文  参考訳（メタデータ） (2026-06-27T06:13:35Z)
• PhyPush: One Push is All You Need for Sensorless Physical Property Estimation with Physics-Guided Transformers [2.032261439690125]
  本稿では,物理誘導型トランスフォーマーフレームワークであるPhyPushについて述べる。 シミュレーションでは、全力情報へのアクセスを特権とするベースラインと比較して、エラーを10%以上削減する。 その結果、物理誘導学習は、低コストでセンサ効率の良い物理特性推定を可能にすることを示した。
  論文  参考訳（メタデータ） (2026-05-25T19:14:43Z)
• 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)
• PAD-Hand: Physics-Aware Diffusion for Hand Motion Recovery [8.428762763310232]
  雑音の多いポーズ列を物理的に可視な手の動きに洗練する物理認識型条件拡散フレームワークを提案する。 メッシュCNN-Transformerのバックボーン上に構築したEuler-Lagrangeのダイナミックスを手話の手話で定式化する。 本手法では,物理の整合性を測定し,解釈可能な分散写像を提供する。
  論文  参考訳（メタデータ） (2026-03-27T04:39:21Z)
• PhysicsMind: Sim and Real Mechanics Benchmarking for Physical Reasoning and Prediction in Foundational VLMs and World Models [40.16417939211015]
  MLLM(Multimodal Large Language Models)やビデオワールドモデルは、数学的、常識的、視覚的推論において大きく進歩している。 この問題を計測しようとする既存のベンチマークは、合成された視覚的質問応答テンプレート、あるいは物理的な法則によってビデオがどれだけうまく機能するかを測定するための知覚的ビデオ品質に焦点を当てている。 我々は,3つの標準原理(Center of Mass, Lever Equilibrium, Newton's First Law)について,法に一貫性のある推論と生成を評価する統一ベンチマークであるPhysicalMindを紹介する。
  論文  参考訳（メタデータ） (2026-01-22T14:33:01Z)
• PhysRVG: Physics-Aware Unified Reinforcement Learning for Video Generative Models [100.65199317765608]
  物理原理は現実的な視覚シミュレーションには基本的だが、トランスフォーマーベースのビデオ生成において重要な監視対象である。 本研究では,物理衝突ルールを高次元空間に直接適用した映像生成モデルのための物理認識強化学習パラダイムを提案する。 このパラダイムを、MDcycle(Mimicry-Discovery Cycle)と呼ばれる統合フレームワークに拡張することで、大幅な微調整を可能にします。
  論文  参考訳（メタデータ） (2026-01-16T08:40:10Z)
• What Happens Next? Anticipating Future Motion by Generating Point Trajectories [76.16266402727643]
  一つの画像から動きを予測し、世界の物体がどのように動くかを予測する問題を考察する。 我々はこのタスクを,現代のビデオジェネレータのアーキテクチャを忠実に追従するモデルを用いて,高密度トラジェクトリグリッドの条件生成として定式化する。 このアプローチはシーン全体のダイナミクスと不確実性を捉え、以前の回帰器やジェネレータよりも正確で多様な予測をもたらす。
  論文  参考訳（メタデータ） (2025-09-25T21:03:56Z)
• Physics-Grounded Motion Forecasting via Equation Discovery for Trajectory-Guided Image-to-Video Generation [54.42523027597904]
  物理グラウンド映像予測のためのシンボル回帰と軌跡誘導映像(I2V)モデルを統合する新しいフレームワークを提案する。 提案手法は,入力ビデオから運動軌跡を抽出し,検索に基づく事前学習機構を用いて記号回帰を向上し,運動方程式を発見し,物理的に正確な将来の軌跡を予測する。
  論文  参考訳（メタデータ） (2025-07-09T13:28:42Z)

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。