論文の概要: PhysVGGT: Feed-Forward Dense Physical Property Estimation from A Single Image

• arxiv url: http://arxiv.org/abs/2609.18920v1
• Date: Wed, 16 Sep 2026 16:58:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.911334
• Title: PhysVGGT: Feed-Forward Dense Physical Property Estimation from A Single Image
• Title（参考訳）: PhysVGGT: 単一画像からのフィードフォワードの物理的特性推定
• Abstract要約: 本稿では, 単一のRGB画像から, 摩擦, ショア硬度, ヤング係数, 密度の高密度マップを予測するフィードフォワードモデルであるPhysVGGTについて述べる。 PhysVGGTは、ABO-500データセット上で最先端のパフォーマンスを達成し、配布外NeRF2Physicsデータセットに効果的に一般化する。
• 参考スコア（独自算出の注目度）: 22.06612729567672
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physical properties, such as friction, hardness, stiffness, and density, govern how robots should grasp, manipulate and interact with objects, yet estimating these properties from RGB images remains challenging. Existing methods typically employ per-object reconstruction augmented with physical properties or directly query vision-language models at test time, which results in substantial computational overhead that limits their applicability. In this work, we present PhysVGGT, a feed-forward model that predicts dense maps of friction coefficient, Shore hardness, Young's modulus, and density, together with object-level mass, from a single RGB image in one forward pass. The key idea of PhysVGGT is to formulate physical property estimation as a dense per-pixel prediction problem and employ a visual geometry transformer to extract geometry-aware tokens from the input image followed by a dense prediction branch for estimating local physical properties and a global prediction branch for estimating object-level mass. In addition, we introduce a scalable pseudo-label generation pipeline that enables large-scale weakly supervised training for dense physical property prediction, substantially reducing the need for expensive direct physical measurements. Extensive experiments show that PhysVGGT achieves state-of-the-art performance on the ABO-500 dataset and generalizes effectively to the out-of-distribution NeRF2Physics dataset. Moreover, PhysVGGT eliminates the need for per-object reconstruction and test-time optimization, achieving an inference latency of only 0.13s per image, making it $27\times$ faster than the previous state of the art.
• Abstract（参考訳）: 摩擦、硬さ、硬さ、密度などの物理的特性は、ロボットがオブジェクトをつかみ、操作し、操作する方法を規定するが、RGB画像からこれらの特性を推定するのは難しい。 既存の手法では、物理特性を付加したオブジェクトごとの再構成や、テスト時に直接視覚言語モデルに問い合わせることが一般的である。 本研究では,1つの前方通過における1枚のRGB画像から,摩擦係数,ショア硬度,ヤング率,密度の高密度マップを,物体レベルの質量とともに予測するフィードフォワードモデルであるPhysVGGTを提案する。 PhysVGGTの鍵となる考え方は、物理特性推定をピクセルごとの高密度な予測問題として定式化し、視覚幾何学変換器を用いて入力画像から幾何認識トークンを抽出し、次いで局所的な物理特性を推定するための高密度予測枝と、オブジェクトレベルの質量を推定するための大域予測枝を用いることである。 さらに,拡張性のある擬似ラベル生成パイプラインを導入し,高密度な物理特性予測のための大規模弱教師付きトレーニングを可能にし,高価な直接的物理測定の必要性を大幅に低減する。 大規模な実験により、PhysVGGTはABO-500データセット上で最先端のパフォーマンスを達成し、配布外NeRF2Physicsデータセットに効果的に一般化することが示された。 さらに、PhysVGGTはオブジェクトごとの再構成とテスト時間最適化の必要性を排除し、1画像あたりの推論レイテンシをわずか0.13秒に抑える。

関連論文リスト

• SiPhy: Single-Image Physical Property Reasoning [10.6969737179559]
  単一イメージの物理特性推論のための統合フレームワークSiPhyを紹介する。 1つのRGBイメージから、SiPhyは擬似ボクセル点をサンプリングし、CLIP特徴を抽出し、VLMが提案する物質候補に基礎付ける。 部分ベースのコントラストアグリゲータは領域の一貫性を強制し、重みを意識した改善は厚さと体積推定を改善する。
  論文  参考訳（メタデータ） (2026-07-24T14:36:37Z)
• 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)
• Transferring Physical Priors into Remote Sensing Segmentation via Large Language Models [7.859330723946042]
  分割モデルにドメイン固有の物理先入観を統合するための新しいパラダイムを導入する。 我々は,共同的な視覚物理戦略を訓練した物理認識残差改善モデルであるPresidedSegを開発した。
  論文  参考訳（メタデータ） (2026-03-29T03:55:11Z)
• 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)
• PhysQuantAgent: An Inference Pipeline of Mass Estimation for Vision-Language Models [38.21000830724267]
  視覚言語モデル(VLM)を用いた実世界の物体質量推定フレームワークPhysQuantAgentを提案する。 本稿では,対象物のサイズや内部構造を理解するために,対象物の検出,スケール推定,断面画像生成によって入力画像を強化する3つの視覚的プロンプト手法を提案する。 実験の結果,視覚的プロンプトにより実世界のデータに対する質量推定精度が大幅に向上し,空間推論とVLM知識の統合の有効性が示唆された。
  論文  参考訳（メタデータ） (2026-03-17T02:35:36Z)
• PhysGS: Bayesian-Inferred Gaussian Splatting for Physical Property Estimation [42.995383993323635]
  本稿では,3次元ガウス格子のベイズ推定拡張であるPhysGSについて述べる。 オブジェクトスケール、屋内、屋外の現実世界のデータセット全体で、PhysGSは質量推定の精度を最大22.8%向上させる。 以上の結果から,PhysGSは空間的に連続した1つのフレームワークにおいて,3次元再構成,不確実性モデリング,物理的推論を統一することを示した。
  論文  参考訳（メタデータ） (2025-11-23T18:29:20Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• Physion++: Evaluating Physical Scene Understanding that Requires Online Inference of Different Physical Properties [100.19685489335828]
  この研究は、人工システムにおける視覚的身体的予測を厳格に評価する新しいデータセットとベンチマークであるPhysylon++を提案する。 正確な予測が質量、摩擦、弾性、変形性などの特性の推定に依存するシナリオをテストする。 我々は,様々なレベルの学習と組込み知識にまたがる最先端予測モデルの性能を評価し,その性能を人間の予測と比較した。
  論文  参考訳（メタデータ） (2023-06-27T17:59:33Z)

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。