論文の概要: SnapPhysics: A Physics-Aware Scene Graph from a Single View for Interactive Mixed Reality Scenes
- arxiv url: http://arxiv.org/abs/2609.19815v1
- Date: Thu, 17 Sep 2026 07:26:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.139307
- Title: SnapPhysics: A Physics-Aware Scene Graph from a Single View for Interactive Mixed Reality Scenes
- Title（参考訳）: SnapPhysics:インタラクティブな複合現実シーンの単一ビューから物理を意識したシーングラフ
- Abstract要約: SnapPhysicsは3Dオブジェクトを再構成し、その物理的特性を単一の画像から推定する。
本研究では,SnapPhysicsが最高の学習手法に比べて,シーンレベルのFスコアを18.6%向上させることを示す。
平均絶対ログ差誤差(mALDE)を最大20.5%削減する。
- 参考スコア（独自算出の注目度）: 27.977092431043165
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We propose SnapPhysics, a training-free framework that reconstructs 3D objects and estimates their physical properties such as mass, friction, and center of gravity from a single image. For physically coherent interactions in mixed reality (MR), such properties are as important as geometry. Prior approaches infer them by analyzing object dynamics in video, which is computationally costly, or by querying vision-language models (VLMs) on single images, which lacks geometric grounding and inter-object relationships. We address these limitations by combining instance-level 3D reconstruction and spatial alignment with a physics-aware scene graph that encodes these relationships and per-object metric geometry as structured context for VLM-based property reasoning. Experiments on 3D-FRONT show that SnapPhysics improves scene-level F-Score by 18.6% over the best learning-based method, and on real captured scenes with ground-truth mass, it reduces the mean absolute log difference error (mALDE) by up to 20.5% and improves log-scale correlation ($r^2_{\mathrm{ls}}$) by up to 19.6% over VLM-only estimation. SnapPhysics enables physically interactive MR experiences without manual parameter tuning. Project page: https://snapphysics-ismar2026.github.io/.
- Abstract（参考訳）: 本研究では,3次元物体を再構成し,物体の質量,摩擦,重心などの物理的特性を1つの画像から推定する学習自由フレームワークSnapPhysicsを提案する。
混合現実(MR)における物理的にコヒーレントな相互作用では、そのような性質は幾何学と同様に重要である。
従来の手法では、計算にコストがかかるビデオのオブジェクトダイナミクスを解析したり、幾何学的な接地やオブジェクト間関係に欠ける単一の画像上で視覚言語モデル(VLM)をクエリすることで、それらを推論する。
本稿では,これらの関係を符号化した物理対応シーングラフと,VLMに基づくプロパティ推論のための構造化コンテキストとしてのオブジェクトごとのメトリ幾何を組み合わせたインスタンスレベルの3次元再構成と空間アライメントを組み合わせることで,これらの制約に対処する。
3D-FRONTの実験では、SnapPhysicsは最高の学習ベースの手法でシーンレベルのFスコアを18.6%改善し、実際の撮影シーンでは、平均絶対差誤差(mALDE)を最大20.5%削減し、VLMのみの推定で最大19.6%改善している。
SnapPhysicsは、手動パラメータチューニングなしで物理的にインタラクティブなMR体験を可能にする。
プロジェクトページ:https://snapphysics-ismar2026.github.io/。
関連論文リスト
- PhysMirror: Physics-Aware Mirror Object Generation [27.32616510065338]
本稿では、PhysMirrorという、エンドツーエンドな物理認識生成フレームワークを紹介する。
提案手法は,トリガーされた物体を3次元メッシュに自動的に持ち上げ,軽量で数学的に正確なミラーシーンを構築する。
また、物理精度を定量化する参照なし完全自動化計量であるミラー一貫性スコア(MCS)も導入する。
論文 参考訳（メタデータ） (2026-07-03T16:32:02Z) - MonoPhysics: Estimating Geometry, Appearance, and Physical Parameters from Monocular Videos [12.038095202551267]
MonoPhysicsは、単一のカメラビューから変形可能なオブジェクトを逆物理で推定するフレームワークである。
我々は,グローバルスケールアライメント,物理を意識した幾何補正,微分可能な位置マップという3つの視覚物理ブリッジを通じて,課題に対処する。
Vid2Simと新しい弾性および塑性オブジェクトのデータセットを評価し,MonoPhysicsがモノクラーセッティングにおいて既存のベースラインより優れていることを示す。
論文 参考訳（メタデータ） (2026-05-28T17:55:34Z) - TelePhysics: Physics-Grounded Multi-Object Scene Generation from a Single Image with Real-Time Interaction [51.01447538245441]
トレーニング不要なフレームワークであるTelePhysicsを提案する。
空間座標系で全シーンの幾何学を表現することで、TelePhysicsは物体の侵入とアライメントのあいまいさを解消する。
実験結果から,TelePhysicsは,物理忠実度,空間コヒーレンス,制御性において,従来手法よりも大幅に優れていたことがわかった。
論文 参考訳（メタデータ） (2026-05-19T08:16:44Z) - PhysLayer: Language-Guided Layered Animation with Depth-Aware Physics [17.206634450299536]
既存の画像から映像への生成法は、しばしば物理的に不可解な動きを生じさせ、オブジェクトのダイナミクスを正確に制御することができない。
静的画像の言語誘導・深度認識層アニメーションを可能にする新しいフレームワークであるPhysLayerを紹介した。
論文 参考訳（メタデータ） (2026-04-26T07:29:13Z) - ReconPhys: Reconstruct Appearance and Physical Attributes from Single Video [51.2815592637053]
ReconPhysは、単一の単眼ビデオから物理的属性推定と3次元ガウススプラッティング再構成を共同で学習するフィードフォワードフレームワークである。
提案手法では, 自己教師型戦略を用いて訓練したデュアルブランチアーキテクチャを用いて, 地上の物理ラベルの必要性を解消する。
大規模合成データセットの実験は優れた性能を示した。
論文 参考訳（メタデータ） (2026-04-09T06:51:14Z) - PhysAlign: Physics-Coherent Image-to-Video Generation through Feature and 3D Representation Alignment [23.066204478030627]
ビデオモデル(VDM)は、動的なシーンや環境をシミュレートするための有望なアプローチを提供する。
既存のモデルは、しばしば基本的な物理的直観に反する時間的に一貫性のないコンテンツを生成する。
物理コヒーレントな画像対ビデオI(2V)生成のための効率的なフレームワークであるPhysAlignを提案する。
論文 参考訳（メタデータ） (2026-03-14T05:44:18Z) - 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) - 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) - Dynamic Visual Reasoning by Learning Differentiable Physics Models from
Video and Language [92.7638697243969]
視覚概念を協調的に学習し,映像や言語から物体の物理モデルを推定する統合フレームワークを提案する。
これは視覚認識モジュール、概念学習モジュール、微分可能な物理エンジンの3つのコンポーネントをシームレスに統合することで実現される。
論文 参考訳（メタデータ） (2021-10-28T17:59:13Z) - Occlusion resistant learning of intuitive physics from videos [52.25308231683798]
人工システムの鍵となる能力は、オブジェクト間の物理的相互作用を理解し、状況の将来的な結果を予測することである。
この能力は直感的な物理学と呼ばれ、近年注目されており、ビデオシーケンスからこれらの物理規則を学ぶためのいくつかの方法が提案されている。
論文 参考訳（メタデータ） (2020-04-30T19:35:54Z)
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。