論文の概要: PhysLoop: Harnessing LLMs' Physics Awareness for Self-Improving Video Generation Models
- arxiv url: http://arxiv.org/abs/2611.16748v1
- Date: Thu, 12 Nov 2026 12:59:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.473063
- Title: PhysLoop: Harnessing LLMs' Physics Awareness for Self-Improving Video Generation Models
- Title(参考訳): PhysLoop:LLMの自己改善ビデオ生成モデルに対する物理学的認識を損なう
- Abstract要約: ビデオ生成モデルは視覚的にリアルなビデオを生成するが、物理力学と因果一貫性に苦しむ。
本稿では,映像生成モデルにおける物理的基盤による自己改善を支援するために設計された統一型ハーネスであるPhysLoopを紹介する。
さまざまな、現実的な屋内シーンと屋外シーンにまたがる100Kのビデオと、生成ツールと2つの評価データセットをリリースする。
- 参考スコア(独自算出の注目度): 43.69958804926066
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Video generation models produce visually realistic videos but still struggle with physical dynamics and causal consistency. Learning from generated videos requires fine-grained physical supervision, yet reliable quality judgments, correction pairs, and controlled variations are difficult to obtain. Large language models (LLMs) possess physical knowledge, but struggle to reliably guide video generation models in producing their training videos. We present PhysLoop, a unified harness designed to support physically grounded self-improvement in video generation models. The harness guides and constrains LLMs throughout video generation, selection, and correction, distilling their physical knowledge into physically consistent videos. The framework supports controllable training-data construction and inference-time video repair. By identifying and correcting failures, PhysLoop marks a key milestone toward recursive self-improvement (RSI) in video generation models with limited human intervention. We release 100K videos spanning diverse, realistic indoor and outdoor scenes, along with generation tools and two evaluation datasets: PhysLoop-Gen and PhysLoop-Repair. We evaluate controllable generation and localized repair on these datasets, respectively, and assess physical behavior on the external Physics-IQ Verified benchmark.
- Abstract(参考訳): ビデオ生成モデルは視覚的にリアルなビデオを生成するが、物理力学と因果一貫性に苦戦している。
生成されたビデオから学ぶには、きめ細かな物理的監督が必要であるが、信頼性の高い品質判断、補正ペア、制御されたバリエーションを得ることは困難である。
大規模言語モデル(LLM)は物理的な知識を持っているが、トレーニングビデオの作成においてビデオ生成モデルを確実に導くのに苦労している。
本稿では,映像生成モデルにおける物理的基盤による自己改善を支援するために設計された統一型ハーネスであるPhysLoopを紹介する。
ハーネスは、ビデオ生成、選択、修正を通じてLCMをガイドし、制約し、物理的な知識を物理的に一貫したビデオに蒸留する。
このフレームワークは、制御可能なトレーニングデータの構築と推論時のビデオ修復をサポートする。
失敗を特定し修正することで、PhysLoopは人間の介入が限定されたビデオ生成モデルにおける再帰的自己改善(RSI)に向けた重要なマイルストーンを達成している。
さまざまな、現実的な屋内シーンと屋外シーンにまたがる100Kビデオと、生成ツールと2つの評価データセット、PhysLoop-GenとPhysLoop-Repairをリリースしています。
これらのデータセットに対して,制御可能な生成と局所的修復を評価し,外部物理IQ検証ベンチマーク上での物理的挙動を評価する。
関連論文リスト
- 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) - PhysChoreo: Physics-Controllable Video Generation with Part-Aware Semantic Grounding [50.454084539837005]
PhysChoreoは、単一の画像から多様な制御性と物理的なリアリズムを持つビデオを生成する新しいフレームワークである。
本手法は2つの段階から構成される: まず, 画像中の全ての物体の静的初期特性を, 部分認識の物理的特性再構成により推定する。
そして、時間的に指示され、物理的に編集可能なシミュレーションを通じて、リッチな動的な振る舞いと物理的なリアリズムで高品質な動画を合成する。
論文 参考訳(メタデータ) (2025-11-25T17:59:04Z) - PhysMaster: Mastering Physical Representation for Video Generation via Reinforcement Learning [49.88366485306749]
現代のビデオ生成モデルは、視覚的にリアルなビデオを生成することができるが、物理法則に従わないことが多い。
本稿では,物理認識力を高めるため,映像生成モデルを導くための表現として,物理知識を捉えたPhysMasterを提案する。
論文 参考訳(メタデータ) (2025-10-15T17:59:59Z) - LikePhys: Evaluating Intuitive Physics Understanding in Video Diffusion Models via Likelihood Preference [57.086932851733145]
ビデオ拡散モデルにおける直感的な物理を評価するトレーニング不要な方法であるLikePhysを紹介した。
現在のビデオ拡散モデルにおける直観的物理理解のベンチマークを行う。
経験的結果は、現在のモデルが複雑でカオス的な力学に苦しむにもかかわらず、モデルキャパシティと推論設定スケールとしての物理理解の改善傾向が明らかであることを示している。
論文 参考訳(メタデータ) (2025-10-13T15:19:07Z) - 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。