PhyRPR：免训练的物理约束视频生成
计算机视觉与模式识别
2026-01-15 v1
摘要
近期基于扩散的视频生成模型能够合成视觉上合理的视频，但它们往往难以满足物理约束。一个关键原因是大多数现有方法仍停留在单阶段：它们将高层物理理解与低层视觉合成纠缠在一起，使得生成需要显式物理推理的内容变得困难。为解决这一局限性，我们提出了一种免训练的三阶段流程，PhyRPR：PhyReason--PhyPlan--PhyRefine，将物理理解与视觉合成解耦。具体而言，PhyReason使用大型多模态模型进行物理状态推理，并使用图像生成器进行关键帧合成；PhyPlan确定性地合成可控的粗略运动支架；PhyRefine通过潜变量融合策略将该支架注入扩散采样中，在保留规划动态的同时优化外观。这种分阶段设计使得在生成过程中能够进行显式的物理控制。在物理约束下的大量实验表明，我们的方法持续提升了物理合理性和运动可控性。
引用
@article{arxiv.2601.09255,
title = {PhyRPR: Training-Free Physics-Constrained Video Generation},
author = {Yibo Zhao and Hengjia Li and Xiaofei He and Boxi Wu},
journal= {arXiv preprint arXiv:2601.09255},
year = {2026}
}