面向模拟火Spread 动力学的 Physics-Informed World Model：PhysFire-WM
计算机视觉与模式识别
2025-12-22 v1
摘要
细粒度火点预测在应急响应中起关键作用。红外图像和火掩码分别提供补充的热力学和边界信息，但当前方法主要局限于二元掩码建模，受信号稀疏性限制，无法捕捉火点的复杂动力学。虽然世界模型在视频生成中显示出前景，但其物理不一致性为火灾预测带来了显著挑战。本文引入 PhysFire-WM，一种用于模拟火点传播的 Physics-informed World Model。我们的方法通过对物理模拟器中结构性先验进行编码来内化燃烧动力学，以纠正物理偏差，同时引入跨任务协同训练策略（CC-Train）以缓解掩码建模中信息受限的问题。通过参数共享和梯度协调，CC-Train 有效地整合了热辐射动力学和空间边界描绘，提高了物理真实性和几何准确性。大量实验在细粒度多模态火灾数据集上表明，PhysFire-WM 在火点传播预测中具有优越准确性。验证结果凸显了物理先验和跨任务协作的重要性，为将 physics-informed world models 应用于灾害预测提供了新视角。
引用
@article{arxiv.2512.17152,
title = {PhysFire-WM: A Physics-Informed World Model for Emulating Fire Spread Dynamics},
author = {Nan Zhou and Huandong Wang and Jiahao Li and Yang Li and Xiao-Ping Zhang and Yong Li and Xinlei Chen},
journal= {arXiv preprint arXiv:2512.17152},
year = {2025}
}