VoMP: Predicting Volumetric Mechanical Property Fields

📄 arXiv: 2510.22975v1 📥 PDF

作者: Rishit Dagli, Donglai Xiang, Vismay Modi, Charles Loop, Clement Fuji Tsang, Anka He Chen, Anita Hu, Gavriel State, David I. W. Levin, Maria Shugrina

分类: cs.CV, cs.GR, cs.LG

发布日期: 2025-10-27

备注: hi-res paper and other details at: https://research.nvidia.com/labs/sil/projects/vomp

💡 一句话要点

提出VoMP以解决3D物体体积机械属性预测问题

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion)

关键词: 机械属性预测 3D物体建模 几何变换器 物理仿真 深度学习

📋 核心要点

  1. 现有方法通常依赖手工制作的空间变化机械属性，效率低且难以扩展。
  2. VoMP通过聚合多视角特征并利用几何变换器来预测体素的材料属性，提供了一种自动化的解决方案。
  3. 实验结果显示，VoMP在体积属性估计上显著提高了准确性和速度，超越了之前的技术。

📝 摘要（中文）

物理仿真依赖于空间变化的机械属性，通常需要手工制作。VoMP是一种前馈方法，旨在预测3D物体体积内的杨氏模量（$E$）、泊松比（$ν$）和密度（$ρ$）。该方法聚合每个体素的多视角特征，并通过训练的几何变换器预测每个体素的材料潜在编码。这些潜在编码位于物理上合理材料的流形上，确保解码的每个体素材料的有效性。为了获得物体级别的训练数据，提出了一种结合分割3D数据集、材料数据库和视觉语言模型的注释流程。实验表明，VoMP在准确性和速度上远超现有方法。

🔬 方法详解

问题定义：本论文旨在解决3D物体体积内机械属性（如杨氏模量、泊松比和密度）的预测问题。现有方法往往依赖于手工制作，导致效率低下且难以适应复杂场景。

核心思路：VoMP的核心思路是通过聚合每个体素的多视角特征，并利用训练好的几何变换器来预测每个体素的材料潜在编码。这种方法能够自动化地生成物理上合理的材料属性，避免了手工制作的繁琐。

技术框架：VoMP的整体架构包括数据预处理、特征聚合、几何变换器和材料解码四个主要模块。首先，输入的3D对象被转换为体素表示，然后提取多视角特征，接着通过几何变换器进行材料潜在编码的预测，最后解码为具体的材料属性。

关键创新：VoMP的关键创新在于引入了几何变换器来处理多视角特征，并在物理上合理的材料流形上进行学习。这一设计使得模型能够有效地生成符合物理规律的材料属性，显著提升了预测的准确性。

关键设计：在模型设计中，采用了特定的损失函数来确保解码材料的物理合理性，同时在网络结构上进行了优化，以提高训练效率和预测速度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，VoMP在体积属性估计方面的准确性和速度均显著优于现有方法。具体而言，VoMP在准确性上提升了XX%，在处理速度上提高了YY倍，展示了其在实际应用中的巨大潜力。

🎯 应用场景

VoMP的研究成果在多个领域具有潜在应用价值，包括计算机图形学、虚拟现实和机器人等。通过自动化预测3D物体的机械属性，能够大幅提升物理仿真和建模的效率，推动相关技术的进步和应用。未来，VoMP可能会与其他AI技术结合，进一步拓展其应用范围。

📄 摘要（原文）

Physical simulation relies on spatially-varying mechanical properties, often laboriously hand-crafted. VoMP is a feed-forward method trained to predict Young's modulus ($E$), Poisson's ratio ($ν$), and density ($ρ$) throughout the volume of 3D objects, in any representation that can be rendered and voxelized. VoMP aggregates per-voxel multi-view features and passes them to our trained Geometry Transformer to predict per-voxel material latent codes. These latents reside on a manifold of physically plausible materials, which we learn from a real-world dataset, guaranteeing the validity of decoded per-voxel materials. To obtain object-level training data, we propose an annotation pipeline combining knowledge from segmented 3D datasets, material databases, and a vision-language model, along with a new benchmark. Experiments show that VoMP estimates accurate volumetric properties, far outperforming prior art in accuracy and speed.