ProPhy：用于动态世界仿真的渐进式物理对齐
计算机视觉与模式识别
2026-04-14 v2
摘要
最近的视频生成技术在构建世界仿真器方面显示出巨大的潜力。然而，当前模型仍在处理大规模或复杂动力学时难以产生物理一致的结果。这种限制主要归因于现有方法对物理提示呈现各向同性响应，忽略了生成内容与局部物理线索之间的细粒度对齐。为解决这些挑战，我们提出了 ProPhy，即渐进式物理对齐框架，使其能够实现显式的物理感知条件和各向异性生成。ProPhy 采用两阶段混合物理专家机制进行判别性物理先验提取，其中语义专家从文本描述中推断语义层次的物理原理，细化专家捕捉标记层次的物理动力学。这种机制使模型能够学习更准确反映底层物理法则的细粒度、物理感知视频表示。此外，我们引入了一种物理对齐策略，将视觉语言模型的物理推理能力转移到细化专家中，以更准确地表示动态物理现象。在物理感知视频生成基准测试上的大量实验表明，ProPhy 生成的结果在现实性、动态性和物理一致性方面优于现有最先进的方法。
引用
@article{arxiv.2512.05564,
title = {ProPhy: Progressive Physical Alignment for Dynamic World Simulation},
author = {Zijun Wang and Panwen Hu and Jing Wang and Terry Jingchen Zhang and Yuhao Cheng and Long Chen and Yiqiang Yan and Zutao Jiang and Hanhui Li and Xiaodan Liang},
journal= {arXiv preprint arXiv:2512.05564},
year = {2026}
}