同一物体换材质提示就能换物理响应：PhysForge把接触与形变窗口挑出来拟合
核心概要
PhysForge把视频扩散模型生成的材质相关动力学当作参照，用来拟合三维资产的物理参数，并让用户指定的材质真正改变物体的接触与形变响应。此前这类参数多由外观推断，难以对同一物体指定材质，也难以从物体与语义部件之间的复杂交互中估计属性。在PhysAssets与Google Scanned Objects上，它在常见与不常见材质上都取得最高的CLIP分数与物理可控性分数，平均物理可控性4.3，最强基线为3.8。
深度剖析
重建出的三维资产现在可以按用户指定的材质改变物理响应，而不只是外观看起来像某种材质。 此前物理属性多由视觉语言模型或判别模型从外观推断，预测受训练数据中的外观与材质相关性支配，很难给同一物体指定材质并得到对应响应。 在PhysAssets与Google Scanned Objects上，PhysForge在常见与不常见材质两类设置下都取得最高的CLIP分数与物理可控性分数，平均物理可控性4.3，最强基线为3.8，平均CLIP为0.261，最强基线为0.249。
复杂交互被拆成单个物体和语义部件，各自独立优化物理参数，再按相对运动组合进同一场仿真。 已有方法通常把每个分割出的物体当作一个整体仿真，抑制了其语义部件之间的相对运动与相互作用，部件之间的耦合运动也掩盖了究竟是哪种材质属性产生了观测响应。 去掉PhysComp后语义上不同的部件被合并为单一仿真体，相对运动与相互作用消失；保留时桌子、瓶子与杯子各自保持物理属性与运动状态，接触时会碰撞和晃动。
物理参数只在能暴露材质属性的时间窗内拟合，并把生成视频中不符合物理的运动单独处理。 已有方法对整段生成视频拟合，其中很多区间几乎不提供物体物理属性的证据，导致拟合效果次优。 去掉PhysFit改为对整段生成视频拟合后，损失函数难以定位需要拟合的区间，拟合性能下降且拟合时间增加。
启示与展望
演示范围是PhysAssets与Google Scanned Objects上的三维资产重建与物理仿真，覆盖常见与不常见材质，以及液体、沙等材质条件和杯子与杯托、锅与锅盖、两本书这类可分离部件。适合做物理仿真、三维生成与交互式内容的研究人员和工程师阅读。原文提出后续可用更先进的非物理运动分离技术，为参数拟合提供更干净、非物理运动更少的窗口。
PhysComp依据生成视频的动态与语义信息分割物体，因此每次改变材质条件都需要重新生成视频并重新做物理拟合。整体表现也取决于生成视频对物理行为的刻画程度，PhysFit只能在一定程度上缓解视频生成带来的幻觉。