PhysLDM | 物理仿真的Latent Diffusion范式,革命传统物理仿真

2026.11.03 · 收录日 2026.11.03 · 产品 · 论文 · 论文预印本

南理工与上海AI Lab提出PhysLDM,用隐空间扩散一次性生成高保真形变轨迹。

南洋理工大学MMLab与上海人工智能实验室提出PhysLDM,首个面向体网格可变形动力学的隐空间扩散范式。它用时空VAE压缩整段轨迹,重建误差仅2.48毫米,可零样本泛化到未见物体,并端到端可微。

  • 时空VAE将整段轨迹压缩为固定数量token,压缩率最高78倍,平均重建误差2.48毫米。
  • 在Objaverse上训练后零样本泛化到GSO、Toys4K,高分辨率网格误差约5毫米。
  • 扩散模型一次性生成整段轨迹,物理一致性优于回归和自回归方法,后者误差接近其三倍。
  • 端到端可微且支持高阶求导,约40秒反推材料刚度,现有可微仿真器需二十多分钟或失败。

为什么值得看

物理仿真首次走上生成式AI道路,毫米级精度且零样本泛化。

适合谁关注

物理仿真、图形学、机器人研究者与从业者。

原始来源

查看收录日 2026.11.03 全部卡片 · 全部卡片归档