論文の概要: PhysicsLENS: Diagnosing Physical Property Blindness in Video Generation Models

• arxiv url: http://arxiv.org/abs/2610.01162v1
• Date: Thu, 01 Oct 2026 06:42:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.936373
• Title: PhysicsLENS: Diagnosing Physical Property Blindness in Video Generation Models
• Title（参考訳）: 物理レンズ:映像生成モデルにおける物理的特性の盲点の診断
• Abstract要約: 我々は,ロボット工学の基盤となる物理特性の妥当性を評価するためのデータセットとベンチマークであるPhysorLENSを紹介する。 我々は4つのビデオ生成モデルに対して評価を行い、400以上の人称アノテートラベルを作成した。 その結果、可視的に見えるビデオは、しばしば記述されたプロパティを無視し、そのプロパティを記述することで、可視性はわずかに低下し、あまり低下しないことがわかった。
• 参考スコア（独自算出の注目度）: 7.533867379006181
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable video world models could provide scalable predictive environments for robot learning, planning, and evaluation. However, generated robot videos can violate physical principles and complete tasks through physically implausible behavior, limiting their reliability for robot learning and planning. Current video-generation benchmarks exclude physics that are inherently hidden by visuals (e.g., weight, viscosity, friction). Due to this, video models are evaluated on the fidelity of physics, not the underlying accuracy of physics. We introduce PhysicsLENS, a dataset and benchmark for evaluating plausibility of physical properties grounded in robotics. PhysicsLENS uses matched scenario pairs that hold the same conditioning frame and task, while varying underlying physics in the scene description. Scenarios are curated from public robot video sources and annotated across seven physical domains: collision, gravity, momentum, friction, deformation, fluid, and causality. We evaluate across four video generation models, producing over 400 human-annotated labels. Results show that plausible-looking videos often ignore the stated property (34 of 47), and that stating the property lowers plausibility only slightly and not significantly.
• Abstract（参考訳）: 信頼性の高いビデオワールドモデルは、ロボット学習、計画、評価のためのスケーラブルな予測環境を提供することができる。 しかし、生成されたロボットビデオは、物理的な原則に反し、物理的に理解できない振る舞いを通じてタスクを完了し、ロボットの学習と計画の信頼性を制限することができる。 現在のビデオ生成ベンチマークでは、視覚によって本質的に隠されている物理(例えば、重量、粘性、摩擦)を除外している。 このため、ビデオモデルは物理の忠実度に基づいて評価され、基礎となる物理の精度は評価されない。 我々は,ロボット工学の基盤となる物理特性の妥当性を評価するためのデータセットとベンチマークであるPhysorLENSを紹介する。 PhysicsLENSは、同じ条件フレームとタスクを保持するマッチしたシナリオペアを使用し、背景となる物理をシーン記述で変更する。 シナリオは公開ロボットのビデオソースからキュレートされ、衝突、重力、運動量、摩擦、変形、流体、因果関係という7つの物理的領域に注釈付けされる。 我々は4つのビデオ生成モデルに対して評価を行い、400以上の人称アノテートラベルを作成した。 その結果, 可視ビデオは, 表示されたプロパティ(47点中34点)を無視することがしばしばあり, そのプロパティを記述することで, 可視性はわずかに低下し, あまり低下しないことがわかった。

関連論文リスト

• PhysVid: Physics Aware Local Conditioning for Generative Video Models [46.61029355545099]
  PhysVidは物理を意識した局所的条件付けスキームで、時間的に連続したフレームの塊上で動作する。 VideoPhyでは、PhysVidは物理コモンセンススコアを、ベースラインビデオジェネレータで$approx 33%で改善している。
  論文  参考訳（メタデータ） (2026-03-27T10:51:57Z)
• Physion-Eval: Evaluating Physical Realism in Generated Video via Human Reasoning [77.34919361116037]
  ビデオ生成モデルは、ストーリーテリング、シミュレーション、エンボディドAIのための世界シミュレータとして、ますます使われている。 既存の評価は、自動化されたメトリクスや、好みやルーリックベースのチェックのような粗い人間の判断に大きく依存している。 5つの最先端モデルによって生成されたビデオにおいて、物理的リアリズムの失敗を診断するための専門家による推論のベンチマークであるPhyllon-Evalを紹介する。
  論文  参考訳（メタデータ） (2026-03-20T03:25:41Z)
• Robot Learning from a Physical World Model [33.89964002945721]
  本稿では,ビデオ生成から物理世界モデリングによるロボット学習を実現するフレームワークであるPhysWorldを紹介する。 様々な実世界のタスクの実験により、PhysWorldは以前のアプローチに比べて操作精度を大幅に改善した。
  論文  参考訳（メタデータ） (2025-11-10T18:59:07Z)
• PhysWorld: From Real Videos to World Models of Deformable Objects via Physics-Aware Demonstration Synthesis [52.905353023326306]
  物理的に妥当で多様な実演を合成し、効率的な世界モデルを学ぶためのフレームワークであるPhysWorldを提案する。 実験により、PhysWorldは、最新の最先端手法、すなわちPhysTwinよりも47倍高速な推論速度を実現しつつ、競争性能を持つことが示された。
  論文  参考訳（メタデータ） (2025-10-24T13:25:39Z)
• PhysCtrl: Generative Physics for Controllable and Physics-Grounded Video Generation [53.06495362038348]
  既存の世代モデルは、テキストや画像から写真リアリスティックなビデオを作るのに優れているが、物理的な可視性と3D制御性に欠けることが多い。 本稿では物理パラメータと力制御を備えた物理地上画像生成のための新しいフレームワークであるPhysCtrlを紹介する。 実験によると、PhysCtrlは現実的な物理地上の運動軌跡を生成し、画像とビデオのモデルを駆動する際に高忠実で制御可能なビデオを生成する。
  論文  参考訳（メタデータ） (2025-09-24T17:58:04Z)
• Morpheus: Benchmarking Physical Reasoning of Video Generative Models with Real Physical Experiments [55.56181322973467]
  物理推論に基づく映像生成モデル評価のためのベンチマークであるMorpheusを紹介する。 物理現象を捉えた80の現実世界のビデオが保存法によってガイドされている。 我々の研究結果によると、プロンプトやビデオコンディショニングが進んだとしても、現在のモデルは物理原理をエンコードするのに苦労している。
  論文  参考訳（メタデータ） (2025-04-03T15:21:17Z)

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。