論文の概要: ESG: Generating Physically Consistent Dynamic 3D Scenes from Text Descriptions

• arxiv url: http://arxiv.org/abs/2609.15392v1
• Date: Mon, 14 Sep 2026 11:19:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.295756
• Title: ESG: Generating Physically Consistent Dynamic 3D Scenes from Text Descriptions
• Title（参考訳）: ESG:テキスト記述から物理的に一貫性のある動的3Dシーンを生成する
• Abstract要約: テキストから物理的に一貫した3Dシーンを生成するための統一されたフレームワークを,Unreal Engineで直接実行可能にする。 EmphEvolutive Scene Graph (ESG) を用いて、物理的属性、空間関係、イベント駆動タイムラインをマシンチェック可能な形式で指定する。
• 参考スコア（独自算出の注目度）: 19.29011683959245
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent progress in image and 3D scene generation has enabled increasingly realistic static environments, yet most methods remain confined to such static configurations. Generating dynamic scenes from natural language is fundamentally challenging: it requires joint reasoning over scene structure, temporal evolution, and physical feasibility, while ensuring reliable execution in modern physics engines. We present a unified framework for generating physically consistent dynamic 3D scenes from text, with outputs directly executable in Unreal Engine. Central to our approach is the \emph{Evolutive Scene Graph} (ESG), which specifies entities with physical attributes, spatial relations, and event-driven timelines in a machine-checkable form. Given a prompt, a large language model constructs and validates a complete ESG; spatial layouts are grounded via energy-minimized gradient optimization; timeline-constrained physical parameters are then optimized through differentiable simulation to satisfy user-specified events; and the resulting scene is compiled into an engine-executable class. Experiments on 10 scenes across three complexity levels show that our method achieves $16.4/18$ mean event completion, outperforming Scene Language, the strongest engine-executable baseline (SimWorld), and our ablation without physical optimization by a clear margin in event completion and parameter accuracy.
• Abstract（参考訳）: 画像と3Dシーン生成の最近の進歩により、より現実的な静的環境が実現されているが、ほとんどのメソッドはそのような静的な構成に限られている。 動的シーンを自然言語から生成するには、シーン構造、時間的進化、物理的実現可能性に関する共同推論が必要である。 テキストから物理的に一貫した動的3Dシーンを生成するための統一的なフレームワークを提案し,出力はUnreal Engineで直接実行可能である。 私たちのアプローチの中心は、物理的属性、空間関係、イベント駆動型タイムラインを持つエンティティをマシンチェック可能な形式で指定する、emph{Evolutive Scene Graph} (ESG) である。 プロンプトが与えられた場合、大きな言語モデルは完全なESGを構築して検証し、空間レイアウトはエネルギー最小化の勾配最適化によって基礎付けられ、タイムラインに制約のある物理パラメータは、ユーザが指定したイベントを満たすために微分可能なシミュレーションによって最適化され、その結果のシーンはエンジン実行可能なクラスにコンパイルされる。 3つの複雑性レベルにわたる10のシーンの実験により、我々の手法は、平均イベント完了率16.4/18$、エンジン実行可能な最強のベースライン(SimWorld)であるScene Languageを上回る性能、およびイベント完了率とパラメータ精度の明確なマージンによる物理的最適化のないアブレーションを実現していることが示された。

関連論文リスト

• SimWorlds: A Multi-Agent System for Dynamic 3D Scene Creation [50.175987640001644]
  テキストから動的に編集可能な4Dシーンを生成するマルチエージェントフレームワークであるSimWorldsを紹介する。 また,プロシージャのダイナミックな3Dシーンの視覚的忠実度と身体的整合性を評価するベンチマークである4DBuildBenchも導入した。
  論文  参考訳（メタデータ） (2026-07-02T06:29:18Z)
• PhyScene3D: Physically Consistent Interactive 3D Tabletop Scene Generation [75.9028457575434]
  3Dテーブルトップシーンの生成は、インタラクティブでジェネラリスト的なロボット学習の基本的な問題である。 本稿では,PhyScene3Dについて紹介する。 実験により、PhyScene3Dは意味的精度と物理的妥当性の両方において最先端のアプローチより優れていることが示された。
  論文  参考訳（メタデータ） (2026-06-01T03:56:32Z)
• Physical Simulator In-the-Loop Video Generation [96.87054314612142]
  Physical Simulator In-the-loop Video Generation (PSIVG)は、物理シミュレータをビデオ拡散プロセスに統合する新しいフレームワークである。 PSIVGは、視覚的品質と多様性を保ちながら、現実世界の物理に忠実なビデオを制作する。
  論文  参考訳（メタデータ） (2026-03-06T15:48:25Z)
• SceMoS: Scene-Aware 3D Human Motion Synthesis by Planning with Geometry-Grounded Tokens [89.05195827071582]
  SceMoSはシーン対応モーション合成フレームワークである。 軽量な2Dキューを使用して、グローバルプランニングをローカル実行から切り離す。 SceMoSはTRUMANSベンチマークで最先端のモーションリアリズムと接触精度を達成する。
  論文  参考訳（メタデータ） (2026-02-24T02:09:12Z)
• PhyScensis: Physics-Augmented LLM Agents for Complex Physical Scene Arrangement [89.35154754765502]
  PhyScensisは物理エンジンを動力とするエージェントベースのフレームワークで、物理的に可視なシーン構成を生成する。 本フレームワークは,微粒なテキスト記述や数値パラメータに対する強い制御性を保っている。 実験の結果,本手法はシーンの複雑さ,視覚的品質,身体的精度において,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-02-16T17:55:25Z)
• PAT3D: Physics-Augmented Text-to-3D Scene Generation [47.18949891825537]
  PAT3Dは3Dオブジェクトを生成し、それらの空間的関係を推測し、それらを階層的なシーンツリーに整理する。 微分可能な剛体シミュレータは、重力下での現実的な物体の相互作用を保証する。 実験により、PAT3Dは、物理的妥当性、意味的一貫性、視覚的品質において、従来のアプローチよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2025-11-26T23:23:58Z)
• Causal Reasoning Elicits Controllable 3D Scene Generation [35.22855710229319]
  CausalStructは3Dシーン生成に因果推論を組み込む新しいフレームワークである。 ノードがオブジェクトや属性を表現する因果グラフを構築し、エッジが因果依存性と物理的制約をエンコードする。 提案手法では,3次元ガウス切削およびスコア蒸留サンプリングにより形状精度とレンダリング安定性を向上し,3次元シーンにおけるオブジェクト配置とレイアウトの誘導にテキストや画像を用いる。
  論文  参考訳（メタデータ） (2025-09-18T01:03:21Z)
• LAYOUTDREAMER: Physics-guided Layout for Text-to-3D Compositional Scene Generation [5.424048651554831]
  テキストによる高品質で物理的に一貫した構成シーン生成を容易にするために,3Dガウススプラッティング(3DGS)を利用するフレームワークを提案する。 具体的には、テキストプロンプトが与えられた場合、シーングラフに変換し、初期構成型3Dガウスの密度とレイアウトを適応的に調整する。 シーングラフから指示された依存関係を抽出することにより、現実性と柔軟性の両方を確保するために、物理的およびレイアウトエネルギーを調整します。
  論文  参考訳（メタデータ） (2025-02-04T02:51:37Z)

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。