論文の概要: CompAdapt: Adaptable Composite Motion Modeling for Physics-Consistent Text-to-Video Generation

• arxiv url: http://arxiv.org/abs/2609.21455v3
• Date: Thu, 24 Sep 2026 21:29:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.015351
• Title: CompAdapt: Adaptable Composite Motion Modeling for Physics-Consistent Text-to-Video Generation
• Title（参考訳）: CompAdapt: 物理共存型テキスト・ビデオ生成のための適応型複合運動モデリング
• Abstract要約: CompAdaptは物理に一貫性のあるT2Vフレームワークで、複雑な現実世界のシナリオにまたがって適応可能な生成を行う。 自然言語のプロンプトを構造化された物理的な意味論に翻訳し、モーションタイプ、時間的関係、初期物理パラメータのエンドツーエンドの仕様化を可能にする。 物理に焦点をあてたT2Vベンチマークの実験では、CompAdaptは一般的なT2Vモデルと物理に制約のあるベースラインの両方の物理的整合性を改善する。
• 参考スコア（独自算出の注目度）: 50.57472026777472
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While diffusion-based text-to-video (T2V) models have demonstrated impressive capability in generating realistic and temporally coherent videos, they often fail to respect fundamental physical dynamics. Although recent physics-constrained methods incorporate explicit dynamics priors to improve physical plausibility, they remain limited to simple single-type motions, depend on manually specified parameters, and struggle to generalize to unseen physical laws. In this work, we propose CompAdapt, a physics-consistent T2V framework for adaptable generation across complex real-world scenarios. It extends neural dynamics modeling beyond single-type motions to encompass composite physical behaviors, including coupled motions, multi-stage transitions, and multi-object collisions. Furthermore, CompAdapt translates natural language prompts into structured physical semantics, enabling end-to-end specification of motion types, temporal relations, and initial physical parameters. To generalize to novel physical environments, CompAdapt introduces dynamics-aware prior matching, achieving one-shot adaptation without retraining the core dynamics module. In addition, a physics-aware latent feature fusion module improves visual fidelity under fast and complex motion. Experiments on physics-focused T2V benchmarks demonstrate that CompAdapt improves physical consistency over both general T2V models and physics-constrained baselines, while preserving high visual quality and adaptability to unseen dynamics. The project page is available at https://makapic.github.io/CompAdapt/ .
• Abstract（参考訳）: 拡散ベースのテキスト・トゥ・ビデオ(T2V)モデルは、現実的で時間的に整合したビデオを生成するという印象的な能力を示しているが、基本的な物理力学を尊重しないことが多い。 物理学に制約された最近の手法は、物理的な可視性を改善するために明示的な力学を取り入れているが、それらは単純な単一タイプの運動に限られており、手動で指定されたパラメータに依存しており、未確認の物理法則への一般化に苦慮している。 本研究では,複雑な実世界のシナリオにまたがる適応生成のための物理一貫性T2VフレームワークであるCompAdaptを提案する。 これは、結合運動、多段階遷移、多物体衝突を含む複合的な物理的挙動を含むように、単一タイプの動きを超えてニューラルダイナミクスモデリングを拡張する。 さらに、CompAdaptは自然言語のプロンプトを構造化された物理的な意味論に翻訳し、モーションタイプ、時間的関係、初期物理パラメータのエンドツーエンド仕様を可能にする。 新たな物理環境を一般化するために、CompAdaptは動的に認識する事前マッチングを導入し、コアの動的モジュールを再トレーニングすることなくワンショット適応を実現した。 さらに、物理を意識した潜在機能融合モジュールは、高速かつ複雑な動作下での視覚的忠実度を向上させる。 物理に焦点を当てたT2Vベンチマークの実験では、CompAdaptは一般的なT2Vモデルと物理に制約のあるベースラインの両方の物理的整合性を向上し、視覚的品質と未知のダイナミクスへの適応性を保っている。 プロジェクトのページはhttps://makapic.github.io/CompAdapt/ で公開されている。

関連論文リスト

• Learning Explicit Physical Parameter Control and Benchmarking for Video Generation [21.331326205371628]
  本稿では,物体レベルの力,質量,摩擦,再生,シーンレベルの重力を条件とした物理誘導映像拡散モデルPhyParamを提案する。 また、PhyParam-Benchは、画像とビデオの生成における物理法則の整合性を示すベンチマークである。
  論文  参考訳（メタデータ） (2026-07-21T10:06:55Z)
• 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)
• MMPhysVideo: Scaling Physical Plausibility in Video Generation via Joint Multimodal Modeling [55.72785604682579]
  MMPhysVideoは、共同マルチモーダルモデリングにおけるビデオ生成における物理的可視性を拡大するフレームワークである。 MMPhysVideoは、様々なベンチマークで高度なモデルよりも、物理的な可視性と視覚的品質を一貫して改善している。
  論文  参考訳（メタデータ） (2026-04-03T07:32:24Z)
• 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)
• 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)
• ProPhy: Progressive Physical Alignment for Dynamic World Simulation [55.456455952212416]
  ProPhyは、明示的な物理認識条件付けと異方性生成を可能にするプログレッシブ物理アライメントフレームワークである。 ProPhyは既存の最先端手法よりもリアルでダイナミックで物理的に一貫性のある結果が得られることを示す。
  論文  参考訳（メタデータ） (2025-12-05T09:39:26Z)
• PhysCorr: Dual-Reward DPO for Physics-Constrained Text-to-Video Generation with Automated Preference Selection [10.498184571108995]
  本稿では,ビデオ生成における物理一貫性をモデリング,評価,最適化するための統合フレームワークであるPhysCorrを提案する。 具体的には、物体内安定性と物体間相互作用の両方を定量化する最初の2次元報酬モデルである物理RMを紹介する。 我々のアプローチは、モデルに依存しないスケーラブルで、幅広いビデオ拡散とトランスフォーマーベースのバックボーンへのシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2025-11-06T02:40:57Z)
• VLIPP: Towards Physically Plausible Video Generation with Vision and Language Informed Physical Prior [88.51778468222766]
  近年,映像拡散モデル (VDM) が大幅に進歩し,映像のリアル化が進んでいる。 VDMは物理の理解の欠如のため、物理的にもっともらしいビデオを作ることができないことが多い。 本稿では,物理を視覚と言語に明示的に組み込んだ新しい2段階画像・映像生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-30T09:03:09Z)

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。