論文の概要: IMPACT: Image-Conditioned Motion with Physics-Aware Collision and Trajectory Guidance for Video Generation

• arxiv url: http://arxiv.org/abs/2611.01372v1
• Date: Sun, 01 Nov 2026 00:14:03 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:55:34.091244
• Title: IMPACT: Image-Conditioned Motion with Physics-Aware Collision and Trajectory Guidance for Video Generation
• Title（参考訳）: IMPACT:映像生成のための物理対応衝突と軌道誘導による画像合成運動
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 58.50395392745833
• License:
• Abstract: Visually realistic video generation does not guarantee physically consistent motion. Generated objects may exhibit implausible collision responses or rebounds without energy dissipation, while even physically valid motion predictions may not be faithfully realized during synthesis. We propose \textbf{IMPACT}, a physics-state-driven image-to-video framework that addresses these challenges by coupling explicit dynamics prediction with complementary sparse--dense physical guidance. A learnably calibrated Physics State Generator unifies continuous free-flight dynamics with discrete collision responses, linking impact timing, post-impact velocity, rebound attenuation, and eventual settling within a coherent physical-state sequence. To translate this evolution into effective generative constraints, IMPACT derives sparse trajectories and dense region-level motion priors from the same physical rollout. Sparse trajectories constrain global object displacement, while dense priors guide diffusion sampling to encourage coherent object-region motion and suppress unwanted background changes. Their shared physical basis coordinates global and local motion guidance to reduce prediction--generation mismatch. Experiments on 100 controlled sphere--plane collision scenes spanning different material combinations and visual environments demonstrate improved physical plausibility over representative general-purpose, physics-grounded, and motion-controllable baselines. The project repository is available at https://weiweiwiewei.github.io/impact
• Abstract（参考訳）: 視覚的にリアルなビデオ生成は、物理的に一貫した動きを保証しない。 生成した物体は、エネルギー散逸のない不確実な衝突反応やリバウンドを示すが、物理的に有効な運動予測でさえ合成中に忠実に実現されない。 本稿では,これらの課題に対処する物理状態駆動型イメージ・ツー・ビデオ・フレームワークである「textbf{IMPACT}」を提案する。 適度に校正された物理状態発生器は、離散的な衝突応答、衝突のタイミング、衝突後の速度、リバウンド減衰、そして最終的な物理状態列内の最終的な沈降を伴う連続自由飛行ダイナミクスを統一する。 この進化を効果的な生成的制約に変換するため、IMPACTは同じ物理ロールアウトからスパース軌道と高密度領域レベルの運動先行を導出する。 Sparse trajectories は大域的対象変位を制限し、高密度事前拡散サンプリングはコヒーレントな対象領域の動きを促進し、不要な背景変化を抑制する。 物質の組み合わせや視覚環境にまたがる100の制御球面衝突シーンの実験により, 汎用的, 物理的, 制御可能なベースラインに対して, 物理的妥当性が向上した。 プロジェクトリポジトリはhttps://weiweiwiewei.github.io/impactで公開されている。

関連論文リスト

• Seeing the Unseen: Unified Visible--Invisible Motion for Physically Consistent Video Generation [24.867210428191715]
  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。
  論文  参考訳（メタデータ） (2026-10-30T19:18:10Z)
• 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)
• 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)
• 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)
• Enhancing Physical Plausibility in Video Generation by Reasoning the Implausibility [37.011366226968]
  拡散モデルはリアルなビデオを生成することができるが、既存の方法は大規模テキストビデオデータセットから暗黙的に物理的推論を学ぶことに依存している。 本研究では,推論時の身体的可視性を改善するためのトレーニングフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-29T12:32:54Z)
• What Happens Next? Anticipating Future Motion by Generating Point Trajectories [76.16266402727643]
  一つの画像から動きを予測し、世界の物体がどのように動くかを予測する問題を考察する。 我々はこのタスクを,現代のビデオジェネレータのアーキテクチャを忠実に追従するモデルを用いて,高密度トラジェクトリグリッドの条件生成として定式化する。 このアプローチはシーン全体のダイナミクスと不確実性を捉え、以前の回帰器やジェネレータよりも正確で多様な予測をもたらす。
  論文  参考訳（メタデータ） (2025-09-25T21:03:56Z)
• PhysiInter: Integrating Physical Mapping for High-Fidelity Human Interaction Generation [35.563978243352764]
  人間のインタラクション生成パイプライン全体に統合された物理マッピングを導入する。 具体的には、物理に基づくシミュレーション環境での運動模倣は、ターゲットの動きを物理的に有効な空間に投影するために使用される。 実験の結果,人間の運動の質は3%～89%向上した。
  論文  参考訳（メタデータ） (2025-06-09T06:04:49Z)
• 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。