Physion-Eval: 基于 expert human reasoning 评估生成视频的物理现实性
计算机视觉与模式识别
2026-03-23 v1
摘要
视频生成模型日益增多地被用作故事叙述、仿真和具身 AI 的世界模拟。随着这些模型的进步，一个关键问题是：生成的视频是否遵守现实世界的物理法则？现有的评估方法主要依赖自动化指标或粗糙的人类判断，如偏好或基于 rubric 的检查。虽然有用于评估感知质量，但这些方法为何以及何时检测到生成动态违反现实物理约束提供了有限的见解。我们引入 Physion-Eval，这是一个由 expert human reasoning 构成的大规模基准，用于诊断由五个 state-of-the-art 模型生成的视频中物理现实性失效的症迹，涵盖 10,990 条 expert reasoning traces，spanning 22 个细粒度物理类别。每个生成的视频都源自描述清晰物理过程的 corresponding real-world reference video，并标注了时局部化的 glitch、结构化 failure 类别以及违反物理行为的自然语言解释。使用该数据集，我们揭示了当前视频生成模型的一个惊人局限：在 physics-critical 场景中，83.3% 的 exocentric 和 93.5% 的 egocentric 生成视频都表现出至少一个 human-identifiable 物理 glitch。我们希望 Physion-Eval 能成为 physical realism 评估的 new 标准，并指导 physics-grounded 视频生成的开发。该基准已公开可用。
引用
@article{arxiv.2603.19607,
title = {Physion-Eval: Evaluating Physical Realism in Generated Video via Human Reasoning},
author = {Qin Zhang and Peiyu Jing and Hong-Xing Yu and Fangqiang Ding and Fan Nie and Weimin Wang and Yilun Du and James Zou and Jiajun Wu and Bing Shuai},
journal= {arXiv preprint arXiv:2603.19607},
year = {2026}
}