2025年6月10日（現地時間） – コンピュータグラフィックスとインタラクティブ技術のカンファレンスSIGGRAPH2025年の「Technical Papers」プログラムにおける各賞の受賞論文が発表されました。
今年はAI、大規模言語モデル、ロボティクスといった最先端のテーマに関する研究が注目を集め、過去最多となる970件以上の論文が投稿されたとのことです。
- 「Technical Papers」プログラムとは？
- Best Papers
- Shape Space Spectra
- CAST: Component-Aligned 3D Scene Reconstruction From an RGB Image
- TokenVerse: Versatile Multi-Concept Personalization in Token Modulation Space
- Vector-Valued Monte Carlo Integration Using Ratio Control Variates
- Transformer IMU Calibrator: Dynamic On-Body IMU Calibration for Inertial Motion Capture
- Honorable Mentions
- Test-of-Time Awards
- 追加の論文紹介
「Technical Papers」プログラムとは？
SIGGRAPHの「Technical Papers」プログラムは、コンピュータグラフィックスとインタラクティブ技術に関する学術的な研究成果を発表・議論するための、世界で最も権威ある場とされています。このプログラムはカンファレンスの根幹をなし、毎年世界中の大学や企業の研究者から、革新的で影響力の大きい最先端の研究論文が投稿されます。ここで発表されることは、研究者にとって最高の栄誉の一つと見なされています。
SIGGRAPH 2025では、人工知能、大規模言語モデル、ロボティクス、VRにおける3Dモデリングといった新たな研究テーマが取り上げられます。
この記事では、公式ブログで発表された内容を元に、特に優れた研究に贈られる「Best Papers」、それに次ぐ「Honorable Mentions」、そして長期的に大きな影響を与えた研究を称える「Test-of-Time Awards」の受賞作品、そしてトレイラー動画で紹介されている論文などの情報を紹介したいと思います。
Best Papers
特に優れた研究成果として認められた5本の論文です。
Shape Space Spectra
著者: Yue Chang, Otman Benchekroun, Maurizio M. Chiaramonte, Peter Yichen Chen, Eitan Grinspun
変分原理 (variational principle) を最小化することで、連続的にパラメータ化された形状ファミリー全体の固有関数を計算する「形状空間固有解析 (shape-space eigenanalysis)」を導入。重複点での固有値の優位性交換に対処するため、最適化中に動的な並べ替え (dynamic reordering) を組み込んでいます。この手法は離散化に依存せず、微分可能であるため、音響合成、ロコモーション（移動）、弾性力学シミュレーションなどへの応用が可能です。
CAST: Component-Aligned 3D Scene Reconstruction From an RGB Image
著者: Kaixin Yao, Longwen Zhang, Xinhao Yan, Yan Zeng, Qixuan Zhang, Jiayuan Gu, Wei Yang, Lan Xu, Jingyi Yu
一枚のRGB画像から高品質な3Dシーンを再構築する革新的な手法「CAST」を提案。この手法は、語彙に制限されないオープンボキャブラリ (open-vocabulary) での再構築をサポートし、オクルージョン（遮蔽）の管理、オブジェクトの正確な配置、入力画像との物理的な一貫性の確保に優れています。これにより、仮想コンテンツ作成やロボティクス分野に新たな可能性を開きます。
セッション情報 | 論文ページへ | プロジェクトページへ
TokenVerse: Versatile Multi-Concept Personalization in Token Modulation Space
著者: Daniel Garibi, Shahar Yadin, Roni Paiss, Omer Tov, Shiran Zada, Ariel Ephrat, Tomer Michaeli, Inbar Mosseri, Tali Dekel
DiTモデルのトークンごとの変調空間 (per-token modulation space) において、画像キャプション内の各単語に対応する意味的な方向性を特定することで、画像から複雑な視覚要素を抽出します。「TokenVerse」は、対応する方向性を加算することで複数のソースからのコンセプトを組み合わせることができ、照明やポーズといった抽象的な概念を含む、新しい組み合わせを柔軟に生成することが可能です。
セッション情報 | 論文ページへ | プロジェクトページへ
Vector-Valued Monte Carlo Integration Using Ratio Control Variates
著者: Haolin Lu, Delio Vicini, Wesley Chang, Tzu-Mao Li
モンテカルロ積分 (Monte Carlo integration) のノイズを低減するために分散削減技術は広く使われていますが、通常は被積分関数がスカラー値であることを前提としています。この課題に対処するため、本論文では従来の差分ベースの制御変量 (difference-based control variates) の代わりに、比率ベースのアプローチを活用した新しい推定量「Ratio Control Variates」を導入します。
セッション情報 | 論文ページへ | プロジェクトページへ
Transformer IMU Calibrator: Dynamic On-Body IMU Calibration for Inertial Motion Capture
著者: Chengxu Zuo, Jiawei Huang, Xiao Jiang, Yuan Yao, Xiangren Shi, Rui Cao, Xinyu Yi, Feng Xu, Shihui Guo, Yipeng Qin
慣性モーションキャプチャ (inertial motion capture) のための動的なキャリブレーションシステムを提案。このシステムは、使用中に非静的なIMUドリフトやセンサーと身体のオフセットを動的に除去し、TポーズやIMUの向きのリセットを必要としない、ユーザーフレンドリーなキャリブレーションを可能にし、長期的な堅牢性を保証します。
セッション情報 | 論文ページへ | Githubページへ
Honorable Mentions
Best Papersに次ぐ、高く評価された9本の論文です。
Lifting the Winding Number: Precise Discontinuities in Neural Fields for Physics Simulation
著者: Yue Chang, Mengfei Liu, Zhecheng Wang, Peter Yichen Chen, Eitan Grinspun
薄壁の変形可能構造物を切断するシミュレーションは、空間的な不連続性のため困難です。この研究では、ニューラルネットワークの重みに切断線の位置を焼き付けることなく、指定した場所に正確に不連続性を再現する新しいニューラル表現「Wind Lifter」を提案。これにより、切断位置の一般化が可能になり、リアルタイムで動的な切断シミュレーションが実現します。
A Monte Carlo Rendering Framework for Simulating Optical Heterodyne Detection
著者: Juhyeon Kim, Craig Benko, Magnus Wrenninge, Ryusuke Villemin, Zeb Barber, Wojciech Jarosz, Adithya Pediredla
光ヘテロダイン検出 (OHD) は、自動運転や医療分野で使われる高感度な光検出技術です。本研究では、既存のモンテカルロレイトレーシング技術を活用し、多様なシーンや応用に対応できる、OHDの一般的で柔軟なシミュレーションフレームワークを提案。ドップラー効果を考慮し、FMCWライダーや血流速度計などの実世界のデータと比較してその正しさを検証しています。
Rectangular Surface Parameterization
著者: Etienne Corman, Keenan Crane
物理シミュレーションからデジタルファブリケーションまで幅広いタスクで必要とされる、3Dモデル表面の矩形パラメータ化手法を提案。完全に直交し、正確に積分可能なフレームフィールドを構築する新しい戦略により、歪みが少なく、高品質な異方性四角形メッシュを生成します。既存の手法を上回る品質と精度を実現します。
High-Performance CPU Cloth Simulation Using Domain-Decomposed Projective Dynamics
著者: Zixuan Lu, Ziheng Liu, Lei Lan, Huamin Wang, Yuko Ishiwaka, Chenfanfu Jiang, Kui Wu, Yin Yang
高品質なシミュレーション結果を維持しつつ、マルチコアCPUの計算効率を最大化する布シミュレーション手法。領域分割射影動力学 (Domain-Decomposed Projective Dynamics) を活用し、衣装の型紙から領域を分割して並列処理を行います。これにより、数十万自由度を超える複雑な衣装や、600万自由度の高解像度シミュレーションでも高速な計算を実現し、多くのケースでGPUベースの最新手法を上回る性能を示します。
論文ページ（準備中- こちらから確認可能）| プロジェクトページへ
Variational Surface Reconstruction Using Natural Neighbors
著者: Jianjun Xia, Tao Ju
法線情報がない、まばらで不均一な点群からの表面再構築は困難な課題です。本研究では、自然近傍 (natural neighborhoods) の局所性を活用し、スケーラビリティと堅牢性を両立した新しい手法を提案。単一のパラメータで制御でき、離散化を必要とせず、大規模な入力に対しても高速に動作し、サンプリングが不十分な領域でもアーティファクトの少ない高品質な再構築を実現します。
Moment Bounds Are Differentiable: Efficiently Approximating Measures in Inverse Rendering
著者: Markus Worchel, Marc Alexa
逆レンダリング (Inverse Rendering) において、光の減衰（影や透明度など）を効率的かつ正確に扱うことは重要です。本研究では、順レンダリングで成功しているモーメントベースの近似が、パラメータに対して微分可能であることを示します。これにより、シャドウマッピングやボリュームレンダリングの可視性計算において、既存のアドホックな手法と同等の効率で、より高い精度を持つ逆レンダリング手法を実現します。
Clebsch Gauge Fluid on Particle Flow Maps
著者: Zhiqi Li, Candong Lin, Duowen Chen, Xinyi Zhou, Shiying Xiong, Bo Zhu
流体シミュレーションにおいて、渦などの詳細構造を保持するための新しい手法を提案。粒子フローマップ (Particle Flow Maps, PFMs) 上でクレプシュ波動関数 (Clebsch wave functions) を時間発展させることで、非常に低い解像度でも渦を完全に保存し、正確な移流を実現します。これにより、特に微細な特徴の保存と発展において、既存の手法を上回る性能を発揮します。
Faraday Cage Estimation of Normals for Point Clouds and Ribbon Sketches
著者: Daniel Scrivener, Daniel Cui, Ellis Coldren, Mazdak Abulnaga, Mikhail Bessmeltsev, Edward Chien
向きのない点群やVRリボンスケッチの法線（表面の向き）を推定する新しい手法「FaCE」を提案。ファラデーケージ効果をモデル化し、入力点が導電性のケージを形成して内部を外部電場から遮蔽する原理を利用します。内部構造やアーティファクトに対して非常に堅牢であり、Poisson Surface Reconstructionと組み合わせることで優れた表面生成結果をもたらします。
C-Tubes: Design of Tubular Structures From Developable Strips
著者:Klara Mundilova, Michele Vidulis, Quentin Becker, Florin Isvoranu, Mark Pauly
可展な（伸縮せずに平面に展開できる）サーフェスストリップで構成される3Dチューブ構造「C-tube」を提案。Monge曲面とcone-netを一般化したもので、構成面の可展性を保証しつつ設計の自由度を大幅に広げます。新しい形状発見ツールにより、ユーザー指定の目標に最も適合するC-tubeの設計探査が実現し、建築、家具、照明デザインへの応用が期待されます。
Test-of-Time Awards
発表から約10年が経過してもなお、CG分野に大きな影響を与え続けている画期的な研究に贈られる賞です。今年は2013年から2015年に発表された論文の中から4本が選出されました。
Unified Particle Physics for Real-Time Applications (2014)
粒子と拘束を基本ブロックとして使用する、リアルタイム視覚効果のための統一的な動力学フレームワーク (unified dynamics framework) を提示。この表現は、気体、液体、変形可能な固体、剛体、布などを双方向のインタラクションで柔軟にモデル化できます。さらに、位置ベース動力学 (position-based dynamics) に基づく並列制約ソルバーを導入することで、従来の粒子ベース手法における長年の計算問題を解決しました。これにより数多くのリアルタイムアプリケーションが可能となり、分野を越えて広く採用されています。
Learning Visual Similarity for Product Design With Convolutional Neural Networks (2015)
この論文は、現代的な畳み込みニューラルネットワーク (Convolutional Neural Networks, CNNs) をSIGGRAPHに導入した最初の論文の一つであり、コンピュータグラフィックス研究の将来の方向性を形作り、広く引用される参考文献となりました。複雑なシーンから単体のオブジェクトまで、多様な画像ドメインにわたるカテゴリ横断的かつスタイルを意識した視覚的検索という中核目標を達成しただけでなく、CNNの訓練方法論や訓練データ収集のためのクラウドソーシング (crowdsourcing) の活用においても重要な技術的進歩をもたらしました。
L1-Medial Skeleton of Point Cloud (2013)
3D点群 (point clouds) のための堅牢なカーブスケルトン表現を導入。この手法は、高品質な入力を必要とせず、幾何学的または位相的な制約にも縛られずに、形状の中心を正確に捉えることができます。植物、道路地図、建築物、血管などの解析やモデリングといった様々な応用において魅力的な解決策を提供し、今日に至るまでこの分野の主要な参考文献であり続けています。
Embree: A Kernel Framework for Efficient CPU Ray Tracing (2014)
この論文は、Embreeシステムを紹介し、プロ級のモジュール式レイトレーシング (ray tracing) フレームワークを構築するために何が必要かを詳細に説明しています。シンプルでエレガントなアーキテクチャで最先端の性能を達成し、そのオープンソース実装は当時から多くの人々に採用されてきました。プロジェクトは今日もなお活発であり、私たちのコミュニティに利益をもたらし続けています。
追加の論文紹介
ここからはトップのトレイラー動画内で紹介されていたり、ブログでピックアップされた論文となります。
Sketch2Anim: Towards Transferring Sketch Storyboards Into 3D Animation
著者: Lei Zhong, Jiawei Wang, 他
2Dの絵コンテ（ストーリーボード）のスケッチを、高品質な3Dアニメーションに自動変換する新しい手法。モーション拡散モデル (motion diffusion models) を活用し、キーポーズ、動きの軌跡、アクションを示す単語（「走る」「飛ぶ」など）の組み合わせから、自然な3Dモーションを生成します。専門家でない人でも3Dアニメーション制作のハードルを下げ、制作効率を向上させることが期待されます。
Dress-1-to-3: Single Image to Simulation-Ready 3D Outfit With Diffusion Prior and Differentiable Physics
著者: Xuan Li, Chang Yu, 他
1枚の写真から、物理的に正確でシミュレーション可能な3Dの衣服を生成するエンドツーエンドのシステム。縫製パターンやテクスチャ、素材のパラメータまで完全に分離された形で再現するのが特徴です。仮想試着やデジタルファッションのワークフローに即座に利用できる、物理的に正確なアセットを生成することで、誰もがデジタルファッションにアクセスできる未来を目指します。
LightLab: Controlling Light Sources in Images with Diffusion Models
著者: Nadav Magar, Amir Hertz, Eric Tabellion, Yael Pritch, Alex Rav-Acha, Ariel Shamir, Yedid Hoshen
単一画像から拡散モデルを用いて、シーン内の可視光源や環境光の強度と色をパラメトリックに制御する手法です。光の線形性という物理法則を活用して高品質な学習データを生成し、明示的な3D再構成なしに物理的に妥当な照明効果の制御を可能にします。
Physically Controllable Relighting of Photographs
著者: Chris Careaga, Yağız Aksoy
CGツールのように光源（点、スポット、環境光）を完全に制御できる写真リライティング手法。微分可能レンダリングを用いた自己教師あり学習で、一般的な写真コレクションでの学習を可能にし、物理ベースのレンダリングとニューラルレンダリングを組み合わせてフォトリアルな結果を生成します。
Relightable Full-Body Gaussian Codec Avatars
著者: Shaofei Wang, Tomas SimonIgor Santesteban, Timur Bagautdinov, Junxuan LiVasu Agrawal, Fabian Prada, Shoou-I YuPace Nalbone, Matt Gramlich, Roman Lubachersky, Chenglei Wu, Javier Romero, Jason Saragih, Michael Zollhoefer, Andreas GeigerSiyu Tang, Shunsuke Saito
全身の関節運動を伴うアバターのリライティングを初めて実現した研究です。局所的な光輸送と非局所的な影を効率的にモデル化することで、外観と関節運動を分離しています。
Diffusion as Shader: 3D-aware Video Diffusion for Versatile Video Generation Control
著者: Authors, Zekai Gu, Rui Yan, Jiahao Lu, Peng Li, Zhiyang Dou, Chenyang Si, Zhen Dong, Qifeng Liu, Cheng Lin, Ziwei Liu, Wenping Wang, Yuan Liu
3Dトラッキングビデオを制御信号として利用し、多様なビデオ生成・制御タスクを単一アーキテクチャで可能にする3D認識型ビデオ拡散フレームワークです。拡散モデルを3Dジオメトリを「シェーディング」するレンダラーとして扱います。
Sketch3DVE: Sketch-based 3D-Aware Scene Video Editing
著者: Feng-Lin Liu, Shi-Yang Li, Yan-Pei Cao, Hongbo Fu, Lin Gao
Dynamic Concepts Personalization from Single Videos
著者:Rameen Abdal, Or Patashnik, Ivan Skorokhodov, Willi Menapace, Aliaksandr Siarohin, Sergey Tulyakov, Daniel Cohen-OrKfir Aberman
単一ビデオから外見と動きを含む「動的コンセプト」を学習し、ビデオ生成モデルをパーソナライズします。「Set-and-Sequence」戦略により外見と動きを効果的に分離して学習します。
Generative detail enhancement for physically based materials
著者: Saeed Hadadan, Benedikt Bitterli, Tizian Zeltner, Jan Novák, Fabrice Rousselle, Jacob Munkberg, Jon Hasselgren, Bartlomiej Wronski, Matthias Zwicker
既存の物理ベースマテリアルに対し、テキストプロンプトに基づいて経年変化などの詳細を生成的に追加するツールです。複数視点での一貫性を保ちながらディテールを生成します。
Towards Comprehensive Neural Materials: Dynamic Structure-Preserving Synthesis with Accurate Silhouette at Instant Inference Speed
著者: Zilin XuXiang ChenChen LiuBeibei WangLu WangZahra MontazeriLing-Qi Yan
品質、視差、シルエット、合成、性能といった複数の重要側面を同時に満たす、包括的なニューラルマテリアル表現の構築を目指す研究です。
VR-Doh: Hands-on 3D Modeling in Virtual Reality
著者: Zhaofeng Luo, Zhitong Cui, Shijian Luo, Mengyu Chu, Minchen Li
物理シミュレーションとレンダリングを組み合わせ、VR内で粘土のように直感的に3Dオブジェクトを造形・編集できるシステムです。
TransparentGS: Fast Inverse Rendering of Transparent Objects with Gaussians
著者: Letian Huang, Dongwei Ye, Jialin Dan, Chengzhi Tao, Huiwen Liu, Kun Zhou, Bo Ren, Yuanqi Li, Yanwen Guo, Jie Guo
Painting with 3D Gaussian Splat Brushes
著者: Karran Pandey, Anita Hu, Clement Fuji Tsang, Or Perel, Karan Singh, Maria Shugrina
3Dガウススプラットとして表現される現実世界のテクスチャジオメトリコンテンツを用いて、リアルタイムでペイントできる初のツールを提案します。アーティストはブラシとキャンバスの両方を自然界のキャプチャから入手し、直接的かつ制御可能なペイント操作を通じて、非常にリアルなコンテンツを迅速にリミックスすることができます。
Deformable Beta Splatting
著者: Rong Liu, Dylan Sun, Meida Chen, Yue Wang, Andrew Feng
3D Gaussian Splattingの基礎となるガウスカーネルを、より表現力が高く効率的な「変形可能ベータカーネル」に置き換える改良手法です。
BANG: Dividing 3D Assets via Generative Exploded Dynamics
著者: Longwen Zhang, Qixuan Zhang, Haoran Jiang, Yinuo Bai, Wei Yang, Lan Xu, Jingyi Yu
Hyper-Dimensional Deformation Simulation
著者: Alvin Shi, Haomiao Wu, Theodore Kim
4次元空間における変形可能物体のシミュレーション手法。従来のパイプラインを一般化し、4D版の四面体メッシュ「ペンタコロンメッシュ」の生成、4D超弾性エネルギーと変形力の構築、4Dでの衝突検出と応答を定式化。これまでにない視覚現象を生み出します。
Claycode: Stylable and Deformable 2D Scannable Codes
著者: Marco Maida, Alberto Crescini, Marco Perronet, Elena Camuffo
情報をグリッドではなくトポロジー木でエンコードすることで、高いデザイン性と変形耐性を持つ新しい2Dスキャナブルコードを提案。
Automated Task Scheduling for Cloth and Deformable Body Simulations in Heterogeneous Computing Environments
著者: Chengzhu He, Zhendong Wang, Zhaorui Meng, Junfeng Yao, Shihui Guo, Huamin Wang
最新のSoC（CPU+GPU）における変形物シミュレーションを高速化するため、タスクをDAGとしてモデル化し、異種計算環境に自動でタスクをスケジューリングするフレームワークです。
Elastic Locomotion with Mixed Second-order Differentiation
著者: Siyuan Shen, Tianjia Shao, Kun Zhou, Chenfanfu Jiang, Sheldon Andrews, Victor Zordan, Yin Yang
Stable Cosserat Rods
著者: Jerry Hsu, Tongtong Wang, Kui Wu, Cem Yuksel
髪や糸などのシミュレーションに用いられるCosseratロッドのための安定した新しいソルバーを提案。位置と回転の最適化を分離することで、大きな時間ステップでも安定性を保ちます。
PARC: Physics-based Augmentation with Reinforcement Learning for Character Controllers
著者: Michael Xu, Yi Shi, Kang, Kang Yin, Xue Bin Peng
人間の運動能力やパークール実践者の動きを再現するため、「PARC」というフレームワークが機械学習と物理ベースのシミュレーションを組み合わせて開発されました。PARCは地形移動コントローラーの機能を改善し、柔軟なモデルを提供します。
AMOR: Adaptive Character Control through Multi-Objective Reinforcement Learning
著者: Lucas N. Alegre, Agon Serifi, Ruben Grandia, David Müller, Espen Knoop, Moritz Bächer
強化学習の研究では、従来の手法が報酬関数の加重和に依存し、チューニングが必要であることや計算コストの問題が指摘されています。そのため、報酬のトレードオフを考慮する多目的強化学習フレームワークが提案されており、訓練後に重みを選択・調整できることが強調されています。この新しいフレームワークは、反復時間を短縮し、ロボットキャラクターの高度な動作を実現するための手法として役立つことが示されています。
Fluid Simulation on Vortex Particle Flow Maps
著者: Sinan Wang, Junwei Zhou, Fan Feng, Zhiqi Li, Yuchen Sun, Duowen Chen, Greg Turk, Bo Zhu
渦度（vorticity）がフローマップ上での発展に最適な物理量であるという洞察に基づき、渦粒子法と背景グリッドを組み合わせたハイブリッド手法を提案。動的な境界を持つ複雑な渦の進化をシミュレートし、従来法より3～12倍長いフローマップ距離で渦の保存性を大幅に向上させます。
Cirrus: Adaptive Hybrid Particle-Grid Flow Maps on GPU
著者: Mengdi Wang, Fan Feng, Junlin Li, Bo Zhu
ラグランジュ粒子でインパルス輸送とグリッド適応を同時にガイドする、完全に適応的なフローマップ流体シミュレーション。粗いグリッドと高解像度の粒子でフローマップを別々に追跡するハイブリッド表現により、移流と射影の両ステップで適応性を実現し、計算リソースを大幅に削減します。
Creating Fluid-Interactive Virtual Agents by an Efficient Simulator with Local-domain Control
著者:Wenbin Song, Heng Zhang, Yang Wang, Xiaopei Liu
格子ボルツマン法を用いた流体-構造連成のための新しいドメイン追跡手法を提案。制約付き最適制御技術を利用して移動する局所領域の安定性と効率を向上させ、仮想エージェントが困難なタスクを達成するための制御ポリシーを獲得します。
その他すべての Techical Paper 論文の確認はこちらから
SIGGRAPH 2025は、2025年8月10日から14日までバンクーバーで開催されます。
SIGGRAPH 2025 Technical Papers Awards: Best Papers, Honorable Mentions, and Test-of-Time
3D Generative AI Transforms How We Create, Design, Interact With Digital Content
コメント