「PhysGaussian（フィジカルガウシアン）に会いましょう：物理的に根拠のあるニュートン力学を3Dガウス関数に組み込むことで高品質な新世代モーションシンセシスを生み出す人工知能技術」

「PhysGaussian（フィジカルガウシアン）：3Dガウス関数を活用した革新的なモーションシンセシス技術で高品質な新世代モデルを実現」

最近のニューラル・ラディアンス・フィールド（NeRF）の進歩により、3Dグラフィックスと知覚の進展が示されてきました。さらに、最先端の3Dガウススプラット（GS）フレームワークがこれらの改善を促進しています。いくつかの成功にもかかわらず、新たな動力学を創出するにはさらなる応用が必要です。NeRFのための新しいポーズを作り出す取り組みが存在している一方で、研究チームは主に準静的な形状変化のジョブに焦点を当てており、しばしばテトラヘドラなどの粗いプロキシメッシュ内にメッシュ化または埋め込み視覚ジオメトリを必要とします。ジオメトリの構築、シミュレーションの準備（しばしばテトラヘドラカチオンを使用）、物理モデリング、そしてシーンの表示は、従来の物理ベースの視覚コンテンツ作成プロセスにおいて労力のかかるステップとなっています。

その効果はありますが、このシーケンスにはシミュレーションと最終的な表示の間に不一致を引き起こす中間ステップが含まれています。同様の傾向はNeRFのパラダイムでも見られ、シミュレーションジオメトリがレンダリングジオメトリと絡み合っています。この分離は、物質の物理的特性と外観が不可分に結びついている自然界に反します。彼らの一般的な理論は、レンダリングとシミュレーションの両方に使用される材料の単一モデルをサポートすることで、これらの2つの側面を調和させることを目指しています。UCLA、浙江大学、ユタ大学の研究者らは、この目標を達成するために、物理統合型3Dガウス生成ダイナミクスであるPhysGaussianを提供しています。

この革新的な手法のおかげで、3Dガウス関数は物理的に正確なニュートン力学を捉えることができ、固体材料特有の現実的な振る舞いや慣性効果を兼ね備えています。具体的には、研究チームは3Dガウス関数に弾性エネルギーや応力、可塑性などの機械的特性、速度やひずみなどの運動学的特性を持たせることで、PhysGaussianを提供しています。この手法は、技術的なオブジェクトのメッシュ化の必要性をなくすことで、モーション作成手順をはるかに簡素化します。

• 「インフレクションは、世界で最高のAIモデルであり、そのクラスのコンピューティングでは世界で2番目に能力のあるLLMです」
• 「ゲームの名門生（SoG）と呼ばれる、新しいAIシステムをチェックしてみてくださいこのシステムは、様々なゲームで人間に勝つことができ、さらに新しいゲームのプレイ方法を学んでいく能力を持っています」
• 「snnTorchとは：スパイキングニューラルネットワークを利用した勾配ベースの学習を行うためのオープンソースのPythonパッケージ」

さらに、研究チームはさまざまな材料に関して広範な実験とベンチマークを行っています。効果的なMPMシミュレーションとリアルタイムGSレンダリングの助けを借りて、基本的なダイナミクスシナリオでリアルタイムのパフォーマンスを実現しました。

要約すると、彼らの貢献は以下の通りです。

・3Dガウス運動学の為の連続体力学：研究チームは、3Dガウスカーネルを成長させ、物理的偏微分方程式（PDE）によって制御される変位フィールドで生成される球面調和関数を持つ連続体力学に基づく手法を提供しています。

・統合されたシミュレーション-レンダリングプロセス：研究チームは、単一の3Dガウス表現を使って効果的なシミュレーションとレンダリングプロセスを提供しています。明示的なオブジェクトのメッシュ化の必要性を排除することで、モーション作成手順がはるかに簡単になります。

・適応可能なベンチマーキングと実験：研究チームはさまざまな材料に対して広範な実験とベンチマークを行っています。効果的なMPMシミュレーションとリアルタイムGSレンダリングのおかげで、基本的なダイナミクスシナリオにおいてリアルタイムのパフォーマンスを実現しました。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!