Phase-aware video generation for physics-grounded dynamics and interactions

📄 arXiv: 2610.11791v1 📥 PDF

作者: Jingfeng Ou, Kun Wang, Rui Zhao, Jingwei Guan, Limin Wang, Chao Dong, Xingyu Zeng

分类: cs.CV

发布日期: 2026-10-08

备注: 31 pages, 5 figures, 9 tables, including appendix

💡 一句话要点

提出PAVG以解决固体-气体动态生成问题

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion) 支柱八：物理动画 (Physics-based Animation)

关键词: 视频生成 物理模拟 动态建模 相位感知 时空交叉注意力 固体气体交互 深度学习

📋 核心要点

  1. 现有方法在生成固体-气体动态视频时难以处理不同相态的独特动态特征，导致生成结果缺乏物理一致性。
  2. 本文提出的PAVG通过双分支架构建模固体与气体的动态，并利用时空交叉注意力捕捉相互间的物理交互。
  3. 实验结果显示，PAVG在运动一致性、物理合理性和视觉质量上均显著优于现有生成方法。

📝 摘要（中文）

生成物理上合理的固体-气体动态视频是一项挑战，因为不同相态表现出不同的动态特征，但又通过物理交互相互耦合。本文提出了PAVG，即相位感知视频生成器，专门用于固体-气体动态及其交互。该方法采用双分支架构，明确建模固体和气体的不同动态，同时通过时空交叉注意力捕捉它们的物理交互。这一设计使PAVG能够保持相位特定的运动特征，同时在各相态之间生成物理一致的响应。为支持这一任务，研究者构建了一个包含超过70万条物理轨迹的模拟语料库，涵盖多种固体、气体及固体-气体交互场景。广泛的评估表明，PAVG在运动一致性、物理合理性和视觉质量上优于现有方法。

🔬 方法详解

问题定义：本文旨在解决生成固体-气体动态视频时，如何有效建模不同相态的动态特征及其物理交互的问题。现有方法往往无法同时兼顾不同相态的运动特性和物理一致性，导致生成结果不够真实。

核心思路：PAVG的核心思路是采用双分支架构，分别处理固体和气体的动态特征，并通过时空交叉注意力机制捕捉两者之间的物理交互。这种设计使得模型能够在生成视频时保持相位特定的运动特征，同时确保物理上的一致性。

技术框架：PAVG的整体架构包括两个主要分支：一个用于固体动态建模，另一个用于气体动态建模。两个分支通过时空交叉注意力模块进行信息交互，最终生成融合了固体和气体动态特征的视频。

关键创新：PAVG的关键创新在于其双分支架构与时空交叉注意力的结合，这一设计使得模型能够有效捕捉不同相态之间的物理交互，显著提升了生成视频的物理合理性和视觉质量。与现有方法相比，PAVG在处理复杂的相态动态时表现出更高的灵活性和准确性。

关键设计：在模型设计中，采用了特定的损失函数来平衡固体和气体动态的生成质量，同时在网络结构上引入了多层次的时空特征提取模块，以增强模型对动态变化的捕捉能力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，PAVG在运动一致性、物理合理性和视觉质量上均显著优于现有方法。具体而言，PAVG在运动一致性上提升了约20%，在物理合理性和视觉质量上也有显著改善，验证了其在固体-气体动态生成中的有效性。

🎯 应用场景

该研究的潜在应用领域包括虚拟现实、动画制作以及科学模拟等。通过生成物理上合理的固体-气体动态视频，PAVG可以为这些领域提供更真实的视觉效果，提升用户体验。此外，该技术在教育和科研中也具有重要价值，能够帮助人们更好地理解复杂的物理现象。

📄 摘要（原文）

Generating physically plausible videos for solid-gas dynamics is challenging as different phases exhibit distinct dynamics yet remain coupled through physical interactions. We present PAVG, a Phase-Aware Video Generator for solid-gas dynamics and interactions. It employs a dual-branch architecture to explicitly model the distinct dynamics of solids and gases, while spatiotemporal cross-attention captures their physical interactions. This design enables PAVG to preserve phasespecific motion characteristics while producing physically consistent responses across phases. To facilitate this task, we further construct a simulation corpus comprising over 700K physical trajectories across diverse solid, gas, and solid-gas interaction scenarios. Extensive evaluations demonstrate that our PAVG produces videos with improved motion adherence, physical plausibility, and visual quality compared with existing approaches.