PhysVGGT：单张图像的前馈稠密物理属性估计

提出前馈框架 PhysVGGT，从单张 RGB 图像一次前向同时输出摩擦系数、Shore 硬度、杨氏模量、密度的稠密属性图与物体级质量，无需逐物体重建与测试时优化。 此前方法多依赖 NeRF 或 3DGS 的逐物体重建再做材料推理，或在前馈路径中仍依赖测试时 VLM、材质检索与属性查表；该工作把物理属性估计直接改写为稠密逐像素预测，推理时不需要任何辅助语义模型。 在 ABO-500（100 个留出物体）上质量 ADE 为 4.73 kg，优于此前最优的 GaussianProperty（5.96 kg）；在 NeRF2Physics 13 场景真实基准上摩擦 ADE 0.102、Shore 硬度 ADE 7.05，均为表中最好；推理延迟 0.13 秒，对比 VoMP 的 3.6 秒。

设计跨属性耦合（CPC）模块，在编码器瓶颈处对四个属性各自的隐表示做自注意力，使各属性预测相互提供信息而非独立解码。 独立输出头无法显式交换信息，而摩擦、硬度、刚度、密度由共同的材料与几何特性决定、彼此强相关；CPC 在最低空间分辨率、最高语义层级的瓶颈上跨属性（而非跨空间位置）做注意力，因此计算代价与图像分辨率无关，仅增加 0.9 M 参数。 消融显示相对无 CPC 变体，两层注意力使摩擦 MnRE 提升 3.6%、硬度 ADE 降低 22.4%、质量 MnRE 提升 38.2%；Cross-stitch 与 FiLM 等替代耦合方式效果有限。

采用共享解码器加轻量逐属性头，并引入直接从池化几何 token 回归质量的全局质量头。 用单一共享上采样主干替代四个独立解码器，利用物理属性共享材料边界这一共同空间结构；质量不再由预测密度与重建体积推导，而是从全局几何感知表示直接回归对数质量，避免中间量误差累积。 共享解码器把解码器参数从 40.9 M 降到 31.9 M（减少 75.2% 的解码器参数），同时摩擦 MnRE 从 0.808 升到 0.831、硬度 ADE 从 8.62 降到 7.05；稠密 ρ×V 路线质量 ADE 为 10.3 kg、MnRE 0.517，全局直接头为 4.73 kg、MnRE 0.655。

提出可扩展的伪标签生成流水线，用部件分割、材质与硬度预测、跨视图精修三步从多视图商品图像生成稠密物理属性监督，无需直接物理测量。 已有标注流程或把物理属性赋给 3D 资产（受限于人工整理资产库的规模），或逐物体重建与优化（计算昂贵且不产生可复用语料）；该流水线完全离线、不需要 3D 资产，产出逐像素监督，覆盖更多物体。 训练集 ABO-8k 含 8,213 个物体、每个 15 个标定视图（约 123k 图像），其中 7,326 个物体有目录质量标注；跨视图精修相对原始逐视图标签使摩擦 MnRE 从 0.813 升到 0.831、硬度从 0.856 升到 0.908、稠密质量从 0.450 升到 0.655。

该结果面向从单张 RGB 图像估计物体与表面的物理属性，适用于机器人抓取与操作规划、以及需要物理属性先验的物理仿真类应用；训练与主要定量评估建立在 ABO 商品目录的合成多视图渲染上，质量监督来自目录标注，摩擦与硬度的定量验证在 NeRF2Physics 的真实测量上进行，地形泛化仅在 RUGD 与 RELLIS-3D 上做定性观察。方法本身仅使用视觉信息，作者指出当外观不能准确反映底层物理属性时可能产生误导，并计划引入其他感官模态、把 PhysVGGT 集成进机器人系统以评估其对感知与操作的影响。

杨氏模量与密度没有实测的逐像素真值，相关评估只能定性，因此这两项属性的绝对精度仍是开放问题；伪标签由部件分割、VLM 材质与硬度预测、跨视图精修和材质属性表推导而来，其误差如何传递到最终预测值得进一步观察；质量 MnRE 在数据规模从 500 增至 7225 个物体时基本持平并在 2000 个物体处出现回落，而分布外摩擦与硬度随数据规模单调改善，规模效应的机制尚待厘清；超参数敏感性实验在 2000 个物体的子集上训练 2 个 epoch，作者说明其用于比较相对趋势而非绝对性能，且不同随机种子间存在可见波动；此外，本文为全文解析，图表中的视觉细节未逐项核对，若需引用具体图示结论建议对照原文图件。