耦合物理门控适配：复杂三维打印物体的体积光化学转化的空间解码
计算机视觉与模式识别
2026-01-26 v2
摘要
我们提出了一套框架，首次实现对复杂三维打印物体光化学转化的预测，引入了一项具有挑战性的新型计算机视觉任务：从 3D 视觉数据预测密集的、非可视的体积物理属性。该方法利用目前规模最大的光学打印 3D 样本数据集，包含大量参数化设计的复杂最小表面结构，这些结构经历了终端化学表征。常规视觉模型不具备处理此类任务的能力，因其缺乏对光学物理(衍射、吸收)与材料物理(扩散、对流)耦合、非线性相互作用的归纳偏置。为此，我们提出耦合物理门控适配 (C-PGA)，一种新型多模态融合架构。不同于标准拼接方式，C-PGA 通过稀疏几何和工艺参数(如表面输运、打印层高)作为查询，动态地通过特征线性调制 (FiLM) 对密集视觉特征进行门控和适配。该机制通过平行处理原始投影堆栈及其扩散-衍射校正后版本的双 3D CNN 提取的视觉流，实现空间级调制，使模型能够根据物理背景对视觉感知进行再校准。该方法为虚拟化学表征提供了突破性进展，无需传统的打印后测量，即可实现对化学转化状态的精确控制。
引用
@article{arxiv.2511.19913,
title = {Coupled Physics-Gated Adaptation: Spatially Decoding Volumetric Photochemical Conversion in Complex 3D-Printed Objects},
author = {Maryam Eftekharifar and Churun Zhang and Jialiang Wei and Xudong Cao and Hossein Heidari},
journal= {arXiv preprint arXiv:2511.19913},
year = {2026}
}