PhysPlan

新的PhysPlan框架增强了AI视频生成中的物理真实感

研究人员开发了PhysPlan，一个旨在提高扩散模型生成视频的物理真实感的新框架。与以往经常产生物理上不合理的序列的方法不同，PhysPlan使用视觉语言模型（VLM）来模拟主体物理，将多模态输入分解为一系列视觉思维。这种方法能够实现以物体为中心的测试时优化和梯度路由，隔离运动变化同时保持被动环境。在PhyGenBench和Physics-IQ等基准上的评估表明，PhysPlan在物理理解方面显著优于现有的视频生成模型。