論文の概要: HiPhy: Hierarchical Alignment for Physically-Plausible Multi-Principle Video Generation

• arxiv url: http://arxiv.org/abs/2610.02197v1
• Date: Thu, 01 Oct 2026 17:59:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.371221
• Title: HiPhy: Hierarchical Alignment for Physically-Plausible Multi-Principle Video Generation
• Title（参考訳）: HiPhy: 物理的に証明可能な多原理ビデオ生成のための階層的アライメント
• Abstract要約: HiPhyは、二重レベルの目的を通じて物理法則でビデオ生成を基盤とする強化学習フレームワークである。 マルチプリンシプル生成をサポートするために,50K-promptデータセットを構築し,プロンプトベンチマークであるMultiPhyBenchを導入する。 実験の結果、HiPhyは従来の手法やベースラインよりも優れており、様々なベンチマークにおいて物理的コモンセンスとセマンティックアライメントが大幅に向上していることがわかった。
• 参考スコア（独自算出の注目度）: 63.98651576226672
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video generation models have achieved remarkable visual fidelity and have strong potential to become general-purpose world simulators. Despite this progress, they still fail to generate videos which adhere to laws of physics. The problem becomes even more apparent in realistic settings where multiple physical principles must work together within the same video; for example, "a balloon floating upward while steam rises from a pot" requires buoyancy and fluid dynamics to unfold coherently and simultaneously. Yet existing methods largely ignore multi-principle interactions, focusing on a single principle per video. We propose HiPhy (Hierarchical Physical Alignment), a reinforcement learning framework that grounds video generation in physical laws through a dual-level objective: locally enforcing the temporal dynamics of individual physical principles, and globally ensuring the physical and semantic coherence of the entire scene. To support multi-principle generation, we construct a 50K-prompt dataset and introduce a prompt benchmark MultiPhyBench, spanning a diverse range of co-occurring physical events. Our experiments show that HiPhy significantly outperforms prior methods and baselines, improving physical commonsense and semantic alignment significantly across various benchmarks, with the largest gains on scenes involving multiple concurrent physical principles where competing methods degrade most sharply.
• Abstract（参考訳）: 映像生成モデルは目覚ましい視覚的忠実さを達成し、汎用世界シミュレーターになる可能性が強い。 この進歩にもかかわらず、彼らは物理の法則に従うビデオを作るのに失敗している。 この問題は、複数の物理原理が同じビデオ内で一緒に動作しなければならない現実的な状況においてさらに明らかになる。例えば、「ポットから蒸気が上昇している間に上向きに浮かぶ風船」では、浮力と流体力学が一貫性と同時に展開する必要がある。 しかし、既存の手法は、ビデオごとの1つの原則に焦点を絞って、多原理の相互作用をほとんど無視している。 階層的物理アライメント(HiPhy, Hierarchical Physical Alignment, HiPhy, Hierarchical Physical Alignment, HiPhy, HiPhy, HiPhy, Hierarchical Physical Alignment, HiPhy, HiPhy, HiPhy, HiPhy, Hierarchical Physical Alignment, HiPhy, HiPhy, HiPhy, HiPhy, HiPhy, HiPhy, HiPhy, Hierarchical Physical Alignment, HiPhy, HiPhy, HiPhy, HiPhy, HiPhy, HiPhy, HiPhy, Hierarchical Physical Alignment, HiPhy, HiPhy, HiPhy, HiPhy, HiPhy, HiPhy, HiPhy, HiPhy, HiPhy)は、 マルチプリンシプル生成を支援するために,50K-promptデータセットを構築し,多様な物理イベントを対象とする,プロンプトベンチマークのMultiPhyBenchを導入する。 実験の結果、HiPhyは従来の手法やベースラインよりも優れており、様々なベンチマークで物理コモンセンスやセマンティックアライメントが大幅に向上していることがわかった。

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)
• PhysAgent: Reflective Agentic Physics Control for Physically Plausible Video Generation [68.13035350819901]
  PhysAgentは物理プログラム生成、物理シミュレーション、ステージ固有の検証、ターゲットプログラム修復のループを閉じるフレームワークである。 我々のフレームワークは、より物理的に妥当なビデオを生成し、より優れたプロンプトアライメントを実現し、多様な物理的シナリオにわたってより効果的に一般化する。
  論文  参考訳（メタデータ） (2026-07-17T08:55:09Z)
• PhyWorld: Physics-Faithful World Model for Video Generation [30.11795285799137]
  本稿では,時間的コヒーレントで物理的に忠実なシーン継続を生成するビデオ生成ワールドモデルであるPhyWorldを提案する。 最初の段階では、フローマッチングの微調整によりビデオ間連続性を改善し、安定した視覚特性とコヒーレントな動きのダイナミクスを奨励する。 第2段階では、生成したダイナミクスを物理選好ペアに対して直接選好最適化(DPO)を用いて物理原理と整合させ、より高い物理確率で出力に向かってモデルを導く。
  論文  参考訳（メタデータ） (2026-05-19T01:28:52Z)
• 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)
• 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)
• Think Before You Diffuse: Infusing Physical Rules into Video Diffusion [55.046699347579455]
  実世界の動き、相互作用、ダイナミクスの複雑さは、データから物理を学ぶ際に大きな困難をもたらす。 DiffPhyは、トレーニング済みの動画拡散モデルを微調整することで、物理的に正確でリアルな映像生成を可能にする汎用的なフレームワークである。
  論文  参考訳（メタデータ） (2025-05-27T18:26:43Z)

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。