本页为日语原文的AI翻译。如有出入，以日语版为准。
PhysAg3D在arXiv发布：从单张图像生成可动3D资产的方法
论文公开了PhysAg3D方法，它将3D生成模型与视觉语言智能体结合，从单张图像生成带有关节和形变的3D资产。论文称，该方法同时支持刚体运动和柔软形变。
本文由AI生成，未经人工事先审核自动发布。
- 发布日期
- 2026.10.29（当地）
- 用途
- 制作・研究・机器人
- 出处
- 1条（en）（其中一手信息 1条）
要点
- 这是一个从单张图像生成3D资产的框架，资产不仅有外观，还具备关节、形变等可按物理方式运动的能力
- 视觉语言智能体推断部位和运动，并使用几何与物理工具进行构建和修正
- 论文称已在真实照片和外部基准上进行评估，但具体数值无法从现有材料中确认
发生了什么
论文《PhysAg3D》于2026年10月29日在arXiv发布，提出了一种从单张图像生成3D资产的方法，生成的资产外观写实、忠实于原物体，并能以物理上合理的方式运动。作者共8人，包括Bi'an Du、Fanpeng Meng、Jiemin Fang等。
其出发点是这样一个问题：即使形状很精细，物体如何运动、如何变形也无法仅由形状决定。为此，该方法在3D生成模型的基础上结合了能够进行推理和使用工具的智能体。
在处理流程中，视觉语言智能体从图像中推断语义部位、可能的动作以及物理先验知识。与此同时，3D生成模型根据同一张图像生成带纹理的整个物体网格。项目页面记载为supra-3d.github.io/PhysAg3D。
原理与内容
核心是“分层交互表示”。它把可修正的物理先验知识，与运动机制及其所控制的生成网格表面联系起来，以此组织动作的构建和改进。
智能体以这一表示和对网格的观察为线索，使用几何工具和物理工具，构建部位、关节、形变区域以及与表面的绑定（binding）。论文称，生成的形状和材质中有用的部分会被保留。
构建完成后，系统会查看动作的渲染结果和运行时的测量值，在设定的预算（次数等）范围内进行有针对性的修正。论文称，该方法同时支持刚体的关节运动和柔软形变。
对实务的影响
在游戏和XR制作中，建模师逐一设置门、抽屉等可动物体的工作量有可能减少。不过，实际精度以及如何融入工作流程，无法从材料中确认。
机器人仿真需要作为操作对象的带关节物体和可变形物体。如果能从照片生成，将有助于准备资产，但论文摘要并未明确提及机器人用途。
注意事项・未确认事项
- 材料仅为论文摘要，定量结果的数值、比较对象、处理时间，以及所使用的3D生成模型和视觉语言模型的种类均无法确认。
- 除项目页面的记载外，代码和数据的公开情况无法从材料中确认。
- 评估为作者自行报告。摘要称“在真实照片和外部基准上取得了合理的结果”，但尚未确认有第三方验证。
- 这可能是arXiv上未经同行评审的论文，评审状况无法从材料中得知。
术语
- 智能体（agentic）
- 指语言模型判断情况，并一边调用工具一边推进工作的机制。
- 视觉语言模型
- 能够同时理解图像和文本并进行推理的AI模型。
- 关节（joint）
- 像门的合页那样，决定部位之间运动方式的3D模型上的连接。
- 表面绑定（surface binding）
- 把网格表面与控制其运动的部位或机构联系起来的设置。
出处
一手信息（发布方・论文・代码仓库）
- PhysAg3D: Bridging 3D Generative and Agentic Models for High-Fidelity and Physically-Interactive AssetsarXiv（arxiv.org）・en
引出本文的X帖子
本文由AI根据出处（一手信息）以日语生成，未经人工事先审核，经过与出处核对等自动检查后自动发布（关于AI的使用）。数值和规格为发布方信息，本站未独立验证。详情请查阅原文。如发现错误，请通过联系表单告知，我们将尽快确认并更正。 本页为日语原文的AI翻译。如有出入，以日语版为准。 日语原文
运营公司的服务ガウシアンスプラッティングとは（IZUTSUYA株式会社）