論文の概要: VideoPhysEdit: Physical Counterfactual Video Editing via Rigid-Body Physical Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2609.35134v1
• Date: Mon, 28 Sep 2026 13:25:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 16:41:32.317181
• Title: VideoPhysEdit: Physical Counterfactual Video Editing via Rigid-Body Physical Scene Reconstruction
• Title（参考訳）: VideoPhysEdit: Rigid-Body物理シーン再構成による物理対実ビデオ編集
• Abstract要約: 本稿では,物理対実ビデオ編集のためのトレーニング不要パイプラインであるVideoPhysEditを紹介する。 VideoPhysEditは、オープンソースメソッドやモデルよりもはるかに高い物理的編集精度を実現している。 物理編集スコアは0.376で、この方法の中で唯一の正のスコアである。
• 参考スコア（独自算出の注目度）: 22.442024578064935
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video editing has advanced substantially in recent years, with methods increasingly accounting for the visual consequences of edits, such as changes to shadows and occlusions. However, the physical consequences of edits, including changes to subsequent motion and interactions, remain less explored. We formulate this problem as physical counterfactual video editing (PCVE), which aims to generate a counterfactual video depicting the resulting motion and interactions given a source video, a physical edit, and its execution frame. PCVE is challenging because it requires understanding scene physics and inferring the downstream motion and interactions induced by a physical intervention, while paired factual and counterfactual data and dedicated evaluation metrics are lacking. We introduce VideoPhysEdit, a new training-free pipeline for PCVE in rigid-body scenes. It makes physical reasoning explicit through a novel physical scene reconstruction method that recovers a scene reproducing the observed motion and interactions under simulation, enabling the pipeline to apply physical edits as interventions and use the resulting trajectories to guide counterfactual video generation. We further construct PCVE-RigidBench, a synthetic benchmark with paired source and counterfactual target videos and physical ground truth, and introduce the Physical Edit Score. VideoPhysEdit achieves substantially higher physical edit accuracy than open-source methods and commercial models while maintaining competitive visual fidelity. Its Physical Edit Score is 0.376, the only positive score among the compared methods. Qualitative comparisons on real videos further show that VideoPhysEdit applies to real-world scenes and better depicts the downstream motion and interactions induced by the edits than the compared methods. Code: https://github.com/Hammour-steak/VideoPhysEdit
• Abstract（参考訳）: ビデオ編集は近年大きく進歩し、影や隠蔽の変化など、編集の視覚的影響をますます考慮する手法が増えている。 しかし、その後の動きや相互作用の変化を含む編集の物理的影響は、いまだに調査されていない。 我々は,この問題を物理対実映像編集(PCVE)として定式化し,音源映像,物理編集,実行フレームが与えられた動きと相互作用を表現した対実映像を生成することを目的とする。 PCVEは、シーン物理を理解し、物理的介入によって引き起こされる下流の動きと相互作用を推測する必要があるため、現実データと反事実データと専用の評価指標が欠如しているため、難しい。 我々は,剛体シーンにおけるPCVEのための新しいトレーニング不要パイプラインであるVideoPhysEditを紹介する。 これは、観測された動きと相互作用を再現するシーンをシミュレーションで再現する、新しい物理的シーン再構築法により、物理的推論を明示し、パイプラインを介入として物理的編集を適用し、その結果の軌跡を用いて、反現実的なビデオ生成を誘導する。 さらに、PCVE-RigidBenchという、2つのソースと反ファクトのターゲットビデオと物理グラウンドの真実を合成したベンチマークを構築し、物理編集スコアを導入する。 VideoPhysEditは、競合する視覚的忠実さを維持しながら、オープンソースメソッドや商用モデルよりもはるかに高い物理的編集精度を達成する。 物理編集スコアは0.376で、比較手法の中で唯一の正のスコアである。 実際のビデオの質的な比較は、VideoPhysEditが現実世界のシーンに適用されることを示し、比較した方法よりも、編集によって引き起こされる下流の動きや相互作用をよりよく表現している。 コード:https://github.com/Hammour-steak/VideoPhysEdit

関連論文リスト

• StrucPhysVideo: Learning Physical Dynamics from Structured Captions and Robot Actions [22.832070421263364]
  StrucPhysVideoは、物理に焦点を当てたデータキュレーションを言語とアクション条件でシーンの進化を予測する。 我々のデータパイプラインは、モーション対応のビデオセグメンテーション、品質とコンテンツのフィルタリング、物理的妥当性検証を組み合わせたものです。 StrucPhysVideoをStrucPhysVideo-IA2Vに拡張します。
  論文  参考訳（メタデータ） (2026-09-16T10:23:00Z)
• Versatile Editing of Video Content, Actions, and Dynamics without Training [57.167192591765456]
  我々はDynaEditを紹介した。DynaEditは、事前訓練されたテキスト・ツー・ビデオ・フローモデルを用いて、多目的なビデオ編集機能を解放する訓練不要の編集方法である。 そこで,DynaEditは複雑なテキストベースのビデオ編集タスクにおいて,アクションの変更,シーンと対話するオブジェクトの挿入,グローバルな効果の導入など,最先端の成果を達成していることを示す。
  論文  参考訳（メタデータ） (2026-03-18T17:50:56Z)
• 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)
• MotionEdit: Benchmarking and Learning Motion-Centric Image Editing [81.28392925790568]
  動き中心の画像編集のための新しいデータセットであるMotionEditを紹介する。 MotionEditは、連続ビデオから抽出されたリアルな動き変換を描写した高忠実な画像ペアを提供する。 本研究では,入力画像とモデル編集画像間の動きの流れが地中動とどのように一致しているかに基づいて,動きアライメントの報酬を計算するためにMotionNFTを提案する。
  論文  参考訳（メタデータ） (2025-12-11T04:53:58Z)
• PhysChoreo: Physics-Controllable Video Generation with Part-Aware Semantic Grounding [50.454084539837005]
  PhysChoreoは、単一の画像から多様な制御性と物理的なリアリズムを持つビデオを生成する新しいフレームワークである。 本手法は2つの段階から構成される: まず, 画像中の全ての物体の静的初期特性を, 部分認識の物理的特性再構成により推定する。 そして、時間的に指示され、物理的に編集可能なシミュレーションを通じて、リッチな動的な振る舞いと物理的なリアリズムで高品質な動画を合成する。
  論文  参考訳（メタデータ） (2025-11-25T17:59:04Z)
• PICABench: How Far Are We from Physically Realistic Image Editing? [71.82009431774311]
  PICABenchを導入し、8つのサブ次元にわたる物理的リアリズムを体系的に評価する。 本稿では,VLM-as-a-judgeをケースごとの領域レベルの人間のアノテーションで利用する信頼性評価プロトコルであるPICAEvalを提案する。 また、ビデオから物理を学習し、トレーニングデータセットPICA-100Kを構築することで、効果的な解を探索する。
  論文  参考訳（メタデータ） (2025-10-20T15:53:57Z)

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。