PhysLDM提出物理仿真隐空间扩散新范式
热点事件持续更新
PhysLDM提出物理仿真隐空间扩散新范式
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
南洋理工大学 MMLab 与上海人工智能实验室研究者提出 PhysLDM，通过时空变分自编码器（VAE）压缩物体运动轨迹，再利用隐空间扩散模型一次性生成高分辨率可变形物体的完整物理仿真轨迹。该方法最高实现 78 倍时空压缩，平均重建误差为 2.48 毫米。 研究团队在 3 万多个 Objaverse 物体上生成约 8 万条仿真轨迹并训练模型。测试显示，PhysLDM 无需重新训练即可迁移至未见过的 GSO、Toys4K 物体；面对网格顶点数超过训练上限两倍的高分辨率物体，误差仍约为 5 毫米。对于采用不同 ARAP 能量模型生成的运动和真实采集的点云轨迹，零样本重建误差分别为 4.6 毫米和 6 毫米，显示出跨物体、跨模型及真实数据的泛化能力。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 11:51
PhysLDM：面向高保真可变形物理仿真的隐空间扩散范式报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- 知乎专栏：机器之心PhysLDM：面向高保真可变形物理仿真的隐空间扩散范式
南洋理工大学 MMLab 与上海人工智能实验室研究者提出 PhysLDM，通过时空 VAE 与隐空间扩散模型，一次性生成高分辨率可变形物体的完整仿真轨迹。其时空压缩率最高达 78 倍，平均重建误差仅 2.48 毫米，并能零样本泛化至未见物体、不同能量模型和真实点云轨迹。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 811月3日 19:00
- 近 24 小时变化
- –
02.557.510
19:0020:0021:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。