LLLMWIKI
ArticleResearch mapReading portalMetadata

Source note · Updated 2026-09-25

PhysGMLarge Physical Gaussian Model for Feed-Forward 4D Synthesis

Single-image Gaussian and material prediction with synthetic preference supervision; physical ground truth remains unverified.

Read the paper

English translation pending — this page shows the Chinese original.

一句话结论

CVPR 2026用DINOv3/MVAdapter预训练与32×A800约三天训练,把单图映射成高斯与材料参数,随后MPM输出50帧;物性标注来自Qwen3-VL、参照视频由FramePack生成,表中视觉/偏好优势支持合成任务表现,真实材料参数精度仍需测量(主文pp.29857–29862,补充pp.1、3–8)。

输入、监督与机制

推断原始单图先由MVAdapter补三视,再用相机射线token+图像DINOv3特征进入24层Transformer,DPT输出每像素图元(零阶SH),三个全局token预测材料类别/E/ν条件分布;MPM位置/形变梯度更新图元,产生动态视角(主文Fig.2 Eq.1–8)。物理头DPO采三组参数,SAM-2/CoTracker-3比较合成视频与FramePack参照的视频轨迹,经边框/落地帧对齐标优劣(补充pp.7–8)。单图输出含预训练视图生成和MPM rollout的时间账。

主要证据与反证

  • 主文p.29861 Table1五材质平均CLIPsim .2748(w/DPO)/.2693(w/o)/.2291(DreamPhysics);UPR 42.8%/30%/17.2%,补充p.2的四选一比较对象与主文Table1四行不同,100有效参与者×五场景的原始选择表需审计。分数及偏好均未直接验证真实力学。
  • p.29862 Table2 GSO 256² 本法25.47 PSNR/.071 LPIPS优于LGM21.44/.122;512²本法28.95 PSNR低于GS-LRM30.52,LPIPS .039优于.050。测试1,009个GSO对象,四视输入八视评测(补充p.1);与单图+生成三视真实入口须分列。
  • p.29862 Table3场景生成<1min、DreamPhysics>0.5h;补充p.2又写本法<30秒。图1重建<1秒、模拟/渲染约30秒,MVAdapter时长、训练和标签生成另计。补充p.9承认刚性为主、整物体均匀材料、真实物性域差;沙类仅58样本(补充p.4 Table2)。

可用性与相关页面

CVF官方主文11页与官方ZIP补充18页、全文、逐表审计保存在raw/ingest/2026-09-25-physgm/;正式页未核到可用代码/权重许可,未GPU复现。3D Gaussian Splatting: Representation, Optimization, Geometry, and Dynamic Scenes将其与PhysGaussian:让高斯同时参与仿真与渲染按单图前馈/手设材料逐场的输入和成本分账。