論文の概要: PhysCreator: Creating Physically-Attributed 3D Assets at Will

• arxiv url: http://arxiv.org/abs/2610.34473v1
• Date: Sun, 25 Oct 2026 17:55:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.620398
• Title: PhysCreator: Creating Physically-Attributed 3D Assets at Will
• Title（参考訳）: PhysCreator: 物理的に分散した3DアセットをWillで作成
• Abstract要約: 画像からシミュレーション可能な3D表現を直接生成する統合フレームワークである textbfPhysCreator を提案する。 本手法は,従来の手法に比べて視覚的品質,身体的妥当性,一般化に優れる。
• 参考スコア（独自算出の注目度）: 13.710549410035469
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Significant advancements in 3D asset creation have enabled high-fidelity 3D generation from images. However, most existing representations remain inherently static, lacking the ability to model physically plausible behaviors under dynamic interactions. We present \textbf{PhysCreator}, a unified framework that directly generates simulation-ready 3D representations with spatially varying physical properties from images. Unlike prior approaches that treat physical attributes as simple post-hoc predictions or rely on expensive per-instance optimization, we reformulate physical property estimation within a unified 3D representation learning framework. We introduce a voxel-aligned latent space by lifting image observations into a spatially structured 3D representation, in which geometry, appearance, and physical properties are jointly modeled and inferred in a feed-forward manner. To enable scalable learning without densely annotated physical ground truth, we leverage vision-language distillation to transfer material-aware semantic priors from powerful vision-language models into spatially grounded voxel-level supervision. Experiments demonstrate that our method achieves superior visual quality, physical plausibility, and generalization compared to prior approaches.
• Abstract（参考訳）: 3Dアセット生成の顕著な進歩により、画像から高忠実度3D生成が可能になった。 しかし、既存の表現の多くは本質的に静的であり、動的相互作用の下で物理的に妥当な振る舞いをモデル化する能力は欠如している。 本稿では,画像から空間的に変化する物理特性を持つシミュレーション可能な3次元表現を直接生成する統合フレームワークであるtextbf{PhysCreator}を提案する。 物理属性を単純なポストホック予測として扱う従来のアプローチや、高価なインスタンスごとの最適化に依存するアプローチとは異なり、我々は統合された3D表現学習フレームワーク内での物理的特性推定を再構成する。 画像観察を空間的に構造化された3次元表現に引き上げることで、ボクセル配向の潜伏空間を導入し、幾何学的、外観的、物理的特性を連成モデル化し、フィードフォワード方式で推論する。 物理基底真理を重く注釈付けせずにスケーラブルな学習を可能にするために、視覚言語蒸留を利用して、強力な視覚言語モデルから空間的に接地されたボクセルレベルの監視へ、物質を意識したセマンティクスを伝達する。 実験により, 従来の手法と比較して, 視覚的品質, 身体的可視性, 一般化が優れていることが示された。

関連論文リスト

• PhysX-Anything: Simulation-Ready Physical 3D Assets from Single Image [67.76547268461411]
  PhysX-Anythingは最初のシミュレーション可能な物理3D生成フレームワークである。 高品質なsim-ready 3Dアセットを明示的な幾何学、調音、物理的特性で生成する。 トークンの数を193倍に減らし、標準VLMトークン予算内で明示的な幾何学的学習を可能にする。
  論文  参考訳（メタデータ） (2025-11-17T17:59:53Z)
• PhysX-3D: Physical-Grounded 3D Asset Generation [48.78065667043986]
  既存の3D生成は、物理グラウンドモデリングを無視しながら、ジオメトリーとテクスチャに重点を置いている。 PhysXNet - 5つの基本次元に体系的にアノテートされた最初の物理地上3Dデータセット。 また,物理基底画像から3次元のアセット生成のためのフィードフォワードフレームワークである textbfPhysXGen も提案する。
  論文  参考訳（メタデータ） (2025-07-16T17:59:35Z)
• Physically Compatible 3D Object Modeling from a Single Image [109.98124149566927]
  単一画像を3次元物理オブジェクトに変換するフレームワークを提案する。 我々のフレームワークは、リコンストラクションプロセスに物理的な互換性を組み込む。 既存の手法よりも3Dモデルの物理的リアリズムを一貫して強化する。
  論文  参考訳（メタデータ） (2024-05-30T21:59:29Z)

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。