論文の概要: PVBench: Quantifying Physical Plausibility in Video Generation with Object-Level Physical Measurements

• arxiv url: http://arxiv.org/abs/2610.26711v1
• Date: Mon, 19 Oct 2026 16:44:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 01:49:32.739124
• Title: PVBench: Quantifying Physical Plausibility in Video Generation with Object-Level Physical Measurements
• Title（参考訳）: PVBench:オブジェクトレベル物理測定によるビデオ生成における物理可塑性の定量化
• Abstract要約: 46次元にわたる生成ビデオの妥当性を定量的に測定する物理ビデオベンチマークであるPVBenchを紹介する。 PVBenchは600の精巧な知覚ビデオプロンプトで構成されており、そのうち30%はロボットアーム、ヒューマノイド、四足歩行、マルチエージェントシステムなどの身体的なエンボディエージェントを含んでいる。 物理的に抽出可能な次元に挑戦するために、オブジェクトレベルの6Dポーズ、メートル法スケール、表面正規化、キネマティクス、数値保存法則残差などのセマンティックな測定を導出する特殊な視覚モデルと組み合わせる。
• 参考スコア（独自算出の注目度）: 85.21259780603802
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent video generation models produce visually compelling outputs, yet their physical plausibility remains poorly measured. Physical plausibility asks whether generated objects obey geometry, kinematics, dynamics, and conservation laws. Existing benchmarks rely on coarse visual-language model judgments or target embodied world models rather than video generation itself. We introduce PVBench, a physical video benchmark that quantitatively measures the plausibility of generated videos across 46 dimensions organized into seven domains, spanning: i) instruction and semantic fidelity, ii) behavioral and causal consistency, iii) perceptual and temporal quality, iv) geometric and spatial consistency, v) material properties and field states, vi) kinematic and spatiotemporal persistence, vii) and mechanical plausibility with conservation laws. PVBench comprises 600 carefully crafted prompts, of which 30% involve physical embodied agents such as robot arms, humanoids, quadrupeds, and multi-agent systems. For challenging physically tractable dimensions, it pairs each with specialized vision models that derive verifiable, physically grounded measurements, such as object-level 6D pose, metric scale, surface normals, kinematics, and numerical conservation-law residuals. It thus avoids relying solely on subjective scoring, while supporting both text-to-video and image-to-video generation. Finally, we validate the agreement between automatic metrics and human judgments through human evaluation. Meanwhile, we evaluate mainstream open-source and closed-source models and present several insights. By releasing the benchmark, prompts, and calibration protocol, we aim to foster physically grounded video generation.
• Abstract（参考訳）: 最近のビデオ生成モデルは視覚的に説得力のある出力を生成するが、その物理的妥当性は未測定のままである。 物理的妥当性は、生成された物体が幾何学、運動学、力学、保存法則に従うかどうかを問う。 既存のベンチマークは、ビデオ生成自体よりも、粗い視覚言語モデル判断や、ターゲットの具体的世界モデルに依存している。 PVBenchは、46の次元にまたがる7つの領域にまたがって生成されたビデオの妥当性を定量的に測定する物理ビデオベンチマークである。 一 指示及び意味的忠実性 二 行動整合性及び因果整合性 三 知覚的、時間的品質 四 幾何学的及び空間的整合性 五 材料特性及びフィールド状態 六 キネマティック、時空間持続性 vii)及び保存法による機械的可視性 PVBenchは600の精巧なプロンプトで構成されており、そのうち30%はロボットアーム、ヒューマノイド、四足歩行、マルチエージェントシステムなどの身体的なエンボディエージェントを含んでいる。 物理的に抽出可能な次元に挑戦するために、オブジェクトレベルの6Dポーズ、メートル法スケール、表面正規化、キネマティクス、数値保存法則残差などの、検証可能な物理的基盤測定を導出する特殊視覚モデルと組み合わせる。 これにより、テキスト・ツー・ビデオ生成と画像・ツー・ビデオ生成の両方をサポートしながら、主観的なスコアリングにのみ依存することを避けることができる。 最後に,人的評価によって自動測定値と人的判断値の一致を検証した。 一方、主流のオープンソースおよびクローズドソースモデルを評価し、いくつかの洞察を提示する。 ベンチマーク、プロンプト、キャリブレーションプロトコルを公開することにより、物理的に基盤化されたビデオ生成を促進することを目指している。

関連論文リスト

• Towards Physically Grounded Articulated 3D Assets: A Multi-Agent Pipeline and Benchmark [97.53971100737346]
  物理シミュレーションフィードバックを備えたマルチエージェントパイプラインを導入することにより,Articraftの最新の手法を拡張するシステムであるArtiisanを提案する。 我々は,空間的忠実度,物理的妥当性,ダウンストリームタスク性能,全体的な品質の4つの重要な側面にまたがるベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-10-09T17:59:41Z)
• World Models' Last Exam in Physics [4.4098893730598645]
  我々は,ビデオワールドモデルの物理的一貫性を評価するための測定ベースのベンチマークであるWorld ModelsのLast Exam in Physicsを紹介する。 このベンチマークは、力学、光学、流体、熱および相変化現象、電磁磁気、表面張力にまたがる40の制御されたタスクで構成されている。 1,280のビデオにまたがる8つのビデオ生成モデルの実験では、永続的な物理的不整合とタスク間の実質的な変動が明らかになった。
  論文  参考訳（メタデータ） (2026-10-06T17:59:56Z)
• GAUGE: A Measurement-Grounded Benchmark for Physical Fidelity in Simulation Engines and Video World Models [66.77745044586173]
  GAUGEは、数値シミュレータと生成ビデオワールドモデルがどのように現実の物理学から再現または逸脱するかを評価するための実世界の診断ベンチマークである。 一般化された軌道誤差を用いて14のタスクファミリー上でIsaac Sim,Genesis,Newtonをベンチマークし,5つの剛体タスクに対して6つのイメージ・ツー・ビデオモデルを評価する。 この結果から, 衝撃的接触, 高速繊維運動, 体積変形に起因する最大の相違点を有する一様忠実な物理エンジンは見つからなかった。
  論文  参考訳（メタデータ） (2026-08-06T12:19:38Z)
• 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)
• Phantom: Physics-Infused Video Generation via Joint Modeling of Visual and Latent Physical Dynamics [12.143531149918674]
  本稿では,視覚的内容と潜伏する物理力学を共同でモデル化する物理拡散ビデオ生成モデルを提案する。 観測されたビデオフレームと推論された物理状態に基づいて、Phantomは遅延物理的ダイナミクスを共同で予測し、将来のビデオフレームを生成する。 物理認識ビデオ表現の推論を直接ビデオ生成プロセスに統合することにより、Phantomは視覚的にリアルかつ物理的に一貫性のあるビデオシーケンスを生成する。
  論文  参考訳（メタデータ） (2026-04-09T17:48:46Z)
• PhysicsMind: Sim and Real Mechanics Benchmarking for Physical Reasoning and Prediction in Foundational VLMs and World Models [40.16417939211015]
  MLLM(Multimodal Large Language Models)やビデオワールドモデルは、数学的、常識的、視覚的推論において大きく進歩している。 この問題を計測しようとする既存のベンチマークは、合成された視覚的質問応答テンプレート、あるいは物理的な法則によってビデオがどれだけうまく機能するかを測定するための知覚的ビデオ品質に焦点を当てている。 我々は,3つの標準原理(Center of Mass, Lever Equilibrium, Newton's First Law)について,法に一貫性のある推論と生成を評価する統一ベンチマークであるPhysicalMindを紹介する。
  論文  参考訳（メタデータ） (2026-01-22T14:33:01Z)
• 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)

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。