GenTouchVR：単一画像から触覚可能なバーチャルリアリティ環境を生成する

インタラクティブなVRコンテンツの作成は通常大規模なモデリング作業が必要であり、スケール可能な生産が困難です。本研究では、単一画像をインタラクティブな3Dシーンに変換し、説得力のある運動覚フィードバックを伴う自動計算パイプラインを提案します。我々の手法は、大規模言語モデル（LLM）を活用して画像内のオブジェクトを検出し、視覚およびテキストの手がかりから触覚特性を推測します。抽出された結果は3Dモデルの合成と触覚特性の知覚的識別可能性を最適化するために利用され、これらを統合して完全なインタラクティブ環境を構築します。ユーザースタディにより、生成されたVRシーンが魅力的な視覚・触覚体験を提供し、本手法が多感覚的な世界生成のスケーラビリティにおいて有望であることを示しました。知る限り、本システムは単一画像から力覚フィードバック付きのVRシーンを自動生成する初の試みであり、触覚的に豊かなVRコンテンツ作成の障壁低減に向けた実用的な方向性を示しています。