論文の概要: S4R: Scaling for Rigid-Body Interpenetration Resolution

• arxiv url: http://arxiv.org/abs/2609.20524v1
• Date: Thu, 17 Sep 2026 15:02:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.332284
• Title: S4R: Scaling for Rigid-Body Interpenetration Resolution
• Title（参考訳）: S4R: Rigid-Body Interpenetration Resolution のためのスケーリング
• Abstract要約: 静的相互接続修復のためのスケール継続法であるS4Rを提案する。 メッシュレベルの共有評価器とシーン毎の統一タイミングプロトコルを用いて,Kubric,HY3D-Bench,Thingi10K上のS4Rを評価する。
• 参考スコア（独自算出の注目度）: 77.64742259295664
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rigid-body interpenetration frequently occurs in procedurally assembled and generated scenes and must be removed before downstream applications such as physical simulation. We present S4R (Scaling for Rigid-Body Interpenetration Resolution), a scale-continuation method for static interpenetration repair. S4R first uniformly shrinks each body about a fixed reference center to a small initial scale, at which the layout is penetration-free, and then restores full scale through a sequence of minimum-norm convex contact quadratic programs (QPs) that target the linearized separation margin during continuation. Resolution thereby replaces one deep correction with a sequence of shallow-contact subproblems. A conservative scale-event bound and frozen-witness gap predictions cut the number of exact mesh queries; the continuation then ends with a full-scale evaluator check and bounded tail refinement. We evaluate S4R on Kubric, HY3D-Bench, and Thingi10K using a shared mesh-level evaluator and a unified per-scene timing protocol. In the main comparisons on all three benchmarks, up to N=5000 bodies, S4R reaches zero reported penetration with displacement that stays small and nearly independent of scene size, and at the lowest wall time within each hardware tier among the compared methods. A GPU implementation extends these results to large-scale scenes. Our code and data can be found on our project page: https://frank-zy-dou.github.io/projects/S4R/index.html.
• Abstract（参考訳）: リギッドボディの相互接続は、手続き的に組み立てられたシーンや生成されたシーンで頻繁に発生し、物理シミュレーションのような下流のアプリケーションの前に取り除かなければならない。 本稿では,S4R(Scaling for Rigid-Body Interpenetration Resolution)を提案する。 S4Rは、まず、固定基準中心付近の各本体を、レイアウトが浸透しない小さな初期スケールに均一に縮小し、続いて、連続中に線形化された分離マージンを目標とする最小ノルム凸接触二次プログラム(QP)のシーケンスを通じてフルスケールを復元する。 これにより、解像度は1つの深い補正を浅い接触サブプロブレムの列に置き換える。 保守的なスケールアウト境界と凍結したウィットネスギャップ予測は、正確なメッシュクエリの数を削減し、継続はフルスケールの評価器チェックと境界付きテールリファインメントで終わる。 メッシュレベルの共有評価器とシーン毎の統一タイミングプロトコルを用いて,Kubric,HY3D-Bench,Thingi10K上のS4Rを評価する。 3つのベンチマークの主比較では、N=5000ボディまで、S4Rは、サイズが小さく、シーンサイズにほぼ依存せず、各ハードウェア層内の壁面時間が最も低い変位で、報告された浸透をゼロに到達した。 GPUの実装はこれらの結果を大規模シーンに拡張する。 私たちのコードとデータは、プロジェクトのページ(https://frank-zy-dou.github.io/projects/S4R/index.html)で見られます。

関連論文リスト

• Depth Anything V4: Dynamic 4D Scene Reconstruction via Riemannian Flow Matching on 4D Gaussian Splatting [9.090610968599192]
  本稿では,モノクロ映像からの動的4次元シーン再構成のためのフレームワークであるDepth Anything V4(DAV4)を提案する。 主な貢献はリーマンフローマッチング(RFM)を4次元ガウススプラッティングパラメータに適用することである。 DAV4は、動的再構成とノベルビュー合成において、Depth Anythingモデルとシーンごとの4D-GSより優れている。
  論文  参考訳（メタデータ） (2026-08-18T23:44:19Z)
• DepthART: Scaling Foundation Monocular Depth to Tiny Models [51.10174763031444]
  DepthARTは、様々なシーンにまたがるデバイス上のデプロイメントのためのコンパクトなMDEモデルである。 ゼロショット一般化とメートル法精度の両方において、DepthARTが従来の小さなベースラインを一貫して上回っていることを示す。 また、GTX A6000で347/245 FPS (strict FP32)、Orin NX 8GBで2242/4482ドル、102 FPS (TF32)、Jetson Nano 4GBで15 FPS (FP32) に達したスケーラブルなモデルファミリも提供しています。
  論文  参考訳（メタデータ） (2026-07-19T06:54:52Z)
• Optimized Minimal 4D Gaussian Splatting [50.29519144753797]
  4D Gaussian Splattingは動的シーン表現の新しいパラダイムとして登場し、複雑な動きを持つシーンのリアルタイムレンダリングを可能にした。 何百万人ものガウス人が高忠実度再構築を必要としているため、ストレージオーバーヘッドの大きな課題に直面している。 OMG4は、4次元ガウス模型を忠実に表現できる有能なガウスのコンパクトな集合を構成するフレームワークである。
  論文  参考訳（メタデータ） (2025-10-04T16:11:13Z)
• ResQ: Mixed-Precision Quantization of Large Language Models with Low-Rank Residuals [10.860081994662645]
  大規模言語モデル(LLM)の学習後の量子化は、推論時の計算コストを抑えるという約束を果たす。 本稿では,最先端技術をさらに推し進めるPTQ手法であるResQを提案する。 ResQは、様々なベンチマークにおいて、最近の一様および混合精度のPTQ法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-12-18T22:01:55Z)
• Gravity-aligned Rotation Averaging with Circular Regression [53.81374943525774]
  我々は,重力方向をグローバルパイプラインの回転平均位相に統合する原理的アプローチを導入する。 4つの大規模データセットで最先端の精度を実現する。
  論文  参考訳（メタデータ） (2024-10-16T17:37:43Z)
• SM4Depth: Seamless Monocular Metric Depth Estimation across Multiple Cameras and Scenes by One Model [72.0795843450604]
  現在のアプローチでは、さまざまなシーンで一貫した精度を維持する上で、課題に直面している。 これらの手法は、何千万、あるいは数千万のデータからなる広範囲なデータセットに依存している。 本稿では室内と屋外の両方でシームレスに機能するSM$4$Depthについて述べる。
  論文  参考訳（メタデータ） (2024-03-13T14:08:25Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• POCO: Point Convolution for Surface Reconstruction [92.22371813519003]
  入射ニューラルネットワークは点雲からの表面再構成に成功している。 それらの多くは、オブジェクトやシーン全体を1つの潜伏ベクトルにエンコードするときにスケーラビリティの問題に直面します。 本稿では,各入力点における点雲畳み込みと潜在ベクトルの計算を提案する。
  論文  参考訳（メタデータ） (2022-01-05T21:26:18Z)

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。