日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

シーン生成arXiv:2605.20290

PhysOmni: 単一画像からの物理基盤マルチオブジェクトシーン生成とリアルタイムインタラクション

PhysOmni: Physics-Grounded Multi-Object Scene Generation from a Single Image with Real-Time Interaction

シェア:XThreadsFacebookLINEはてブBluesky

単一画像から物理的に一貫性のある3Dシーンを再構成し、リアルタイムで操作可能なビデオを生成するトレーニング不要のフレームワークを提案。

詳しい要約

1. どんなもの?

- 単一画像から物理的に整合した多物体シーンを生成するフレームワーク - 訓練不要(training-free)で、シーン全体を3D再構成 - 物理シミュレーションとレンダリングを分離し、リアルタイム操作を実現 - フォトリアルな映像品質を保ちつつ、物理制御可能な動画を生成

2. 先行研究と比べてどこがすごい?

- 既存の生成ビデオモデルは物理一貫性と制御性が限定的 - 単一画像→3D変換は物体の相互貫入(interpenetration)が問題 - 物理ベースのシーン3D生成は空間的ずれ、様式化アーティファクト、入力不整合 - PhysOmniは統一空間座標系でこれらを解決し、多物体相互作用と複雑な制御を可能に

3. 技術・手法の肝は?

- 単一画像からシーン全体の3D形状を統一空間座標系で再構成 - 物体貫入と位置ずれの曖昧さを解消 - シミュレーションとレンダリングを分離し、遅延の大きい事前分布を回避 - リアルタイム物理インタラクションプレビューを実現

4. どうやって有効だと検証した?

- 物理忠実性、空間的整合性、制御性の観点で実験 - 既存手法と比較し、大幅に優れることを示す - 詳細な評価指標やデータセットは要旨からは不明

5. 議論はある?

- 訓練不要でリアルタイム性を達成した点が利点 - 物理一貫性とフォトリアルな見た目の両立を主張 - 限界や失敗事例、計算コストの詳細は要旨からは不明

6. 次に読むべき論文は?

- 関連研究: 生成ビデオモデル、単一画像→3D変換、物理ベースシーン生成 - 具体的な論文名は要旨に記載なし - 同分野の定番: NeRF, 3D Gaussian Splatting, 物理シミュレータ(例: MuJoCo, Isaac Sim)など

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Xin Zhang, Yabo Chen, Yijie Fang, Wanying Qu, Haibin Huang, Chi Zhang, Feng Xu, Xuelong Li

分類: cs.GR, cs.CV

原文アブストラクト

Recent generative video models achieve impressive visual quality but remain constrained by limited physical consistency and controllability. Existing video generation methods provide minimal physical control, and single-image-to-3D conversion approaches often suffer from object interpenetration. Furthermore, physics-based scene-level 3D generation methods exhibit spatial misalignment, stylized artifacts, and inconsistencies with the input data, restricting their use in realistic interactive video synthesis. We propose PhysOmni, a training-free framework that converts a single image into a physically consistent and controllable video through holistic scene-level 3D reconstruction. By rep?resenting the full scene geometry in a unified spatial coordinate system, PhysOmni resolves object penetration and alignment ambiguity. Unlike prior methods, this formulation enables accurate scene?level multi-object interactions and introduces richer, complex control types for advanced mechanics?based manipulation. By decoupling simulation from rendering, PhysOmni bypasses latency-heavy priors, achieving real-time physical interaction previews paired while preserving photorealistic visual fidelity. Experimental results demonstrate that PhysOmni substantially outperforms prior methods in physical fidelity, spatial coherence, and controllability. Project Page: https://physomni.github.io/

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI