物理先验驱动 AIGC：物理先验在人工智能生成内容中的创意 grounding 简史

近期的人工智能生成内容取得了显著进展，显著提升了 3D 和 4D 内容的逼真度。然而，大多数现有方法侧重于保持外观一致性，而忽略了底层物理原理，导致不切实际的变形、不稳定的动力学以及不合理的物体相互作用。将物理先验融入生成模型已成为提升结构完整性和运动真实性的关键研究方向。本综述提供了关于物理感知生成方法的综述，系统分析了物理约束如何集成到 3D 和 4D 生成中。首先，我们审阅了最近将物理先验融入静态和动态 3D 生成的工作，依据表示类型将方法归类，包括基于视觉的、基于 NeRF 的和基于高斯溅写的方案。其次，我们探讨了 4D 生成的新兴技术，专注于建模具有物理仿真的时序动力学的方法。最后，我们对主要方法进行比较分析，概述其优势、局限性及其适用材料和运动动力学的情况。通过深入分析物理依赖的人工智能生成内容，本综述旨在弥合生成模型与物理真实性之间的鸿沟，为具有物理一致性的内容生成的未来研究提供启示。