論文の概要: Seeing the Unseen: Unified Visible--Invisible Motion for Physically Consistent Video Generation

• arxiv url: http://arxiv.org/abs/2611.00293v1
• Date: Fri, 30 Oct 2026 19:18:10 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:36:33.002989
• Title: Seeing the Unseen: Unified Visible--Invisible Motion for Physically Consistent Video Generation
• Title（参考訳）: 見えないものを見る:統一された可視 - 物理的に一貫性のあるビデオ生成のための不可視運動
• Abstract要約: 物理地上ビデオ生成のための統合フレームワークであるSetting the Unseenを提案する。 本手法は,物理力学の学習と映像合成への注入という2つの段階に分解する。 これらのトラジェクトリを拡散型ジェネレータに統合することにより、視覚的コヒーレントかつ物理的に一貫したビデオを生成する。
• 参考スコア（独自算出の注目度）: 24.867210428191715
• License:
• Abstract: Recent advances in video generation have achieved impressive visual quality, yet they often fail to produce physically consistent dynamics due to the lack of explicit modeling of underlying physical processes. Existing approaches either rely on simulators with strong assumptions or use coarse semantic guidance, and further struggle to effectively inject physical priors into generation models. In this work, we propose Seeing the Unseen, a unified framework for physics-grounded video generation. Our approach decomposes the problem into two stages: learning physical dynamics and injecting them into video synthesis. First, we introduce a lightweight Particle-based Graph Dynamics Simulator (PGDS) that learns generalizable physical interactions from data and predicts plausible 3D motion trajectories. Second, we propose a Visible--Invisible Motion Field (VIMF) that captures both motion observable in the input frame and motion that emerges over time due to object dynamics. This representation enables more complete and structured motion guidance compared to conventional physical signals. By integrating these trajectories into a diffusion-based generator, our method produces videos that are both visually coherent and physically consistent. Extensive experiments demonstrate improved motion accuracy, interaction consistency, and reduced physical artifacts compared to strong baselines.
• Abstract（参考訳）: 近年のビデオ生成の進歩は目覚ましい視覚的品質を達成しているが、基礎となる物理過程の明示的なモデリングが欠如しているため、物理的に一貫したダイナミクスを生成できないことがしばしばある。 既存のアプローチは、強い仮定を持つシミュレータに依存するか、粗いセマンティックガイダンスを使用するか、生成モデルに物理的優先順位を効果的に注入するのに苦労する。 本研究では,物理地上ビデオ生成のための統合フレームワークであるSetting the Unseenを提案する。 本手法は,物理力学の学習と映像合成への注入という2つの段階に分解する。 まず、データから一般化可能な物理相互作用を学習し、可塑性な3次元運動軌跡を予測する軽量なパーティクルベースグラフダイナミクスシミュレータ(PGDS)を提案する。 第2に,物体の運動により時間とともに出現する,入力フレーム内で観測可能な動作と運動の両方をキャプチャする可視可視運動場(VIMF)を提案する。 この表現は、従来の物理信号と比較して、より完全で構造化された動き誘導を可能にする。 これらのトラジェクトリを拡散型ジェネレータに統合することにより、視覚的コヒーレントかつ物理的に一貫したビデオを生成する。 大規模な実験では、強いベースラインに比べて運動精度、相互作用の整合性、物理的アーティファクトの低減が向上した。

関連論文リスト

• IMPACT: Image-Conditioned Motion with Physics-Aware Collision and Trajectory Guidance for Video Generation [58.50395392745833]
  物理状態駆動型イメージ・ビデオ・フレームワークである textbf を提案する。 適度に校正された物理状態発生器は、離散衝突応答を伴う連続自由飛行ダイナミクスを統一する。 100個の制御された球面衝突シーンの実験では、一般的な汎用、物理接地、運動制御可能なベースラインよりも物理的に改善されたことが示されている。
  論文  参考訳（メタデータ） (2026-11-01T00:14:03Z)
• MotionPhys: Detecting AI-Generated Videos via Physical Consistency of Optical-Flow Trajectories [23.111071311995957]
  運動軌跡を物理的証拠として扱う軽量フレームワークであるMotionPhysを紹介する。 複数の時間スケールにわたる軌跡の幾何学的進化をモデル化することにより、MotionPhysは微妙な動きの不整合を明らかにする。 複数のデータセットの実験では、MotionPhysが生成されたビデオの物理的不整合を効果的に検出できることが示されている。
  論文  参考訳（メタデータ） (2026-08-21T06:29:35Z)
• 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)
• 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)
• 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)
• VLIPP: Towards Physically Plausible Video Generation with Vision and Language Informed Physical Prior [88.51778468222766]
  近年,映像拡散モデル (VDM) が大幅に進歩し,映像のリアル化が進んでいる。 VDMは物理の理解の欠如のため、物理的にもっともらしいビデオを作ることができないことが多い。 本稿では,物理を視覚と言語に明示的に組み込んだ新しい2段階画像・映像生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-30T09:03:09Z)

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。