PhysTrace 无需训练即可时序定位视频生成中的物理违规。
资讯摘要
论文提出 PhysTrace，一个无需训练的框架，将 MLLM 生成的历史条件物理预期与观测视频窗口对齐，以时序定位物理违规并给出可解释描述，无需任务专用探针或分类器。作者同时构建 IntPhys2-Timing，为 IntPhys2 增加违规区间标注。作者报告 PhysTrace 在 IntPhys2-Timing 上跨物理原则命中率最高 70.7%，在 IntPhys2 上整体可能/不可能判别准确率优于对比方法；用于预训练扩散/流式视频模型轨迹重建视频时，揭示违规定位随属性与噪声变化的模式。
要点速读
- PhysTrace 为无需训练的框架，用 MLLM 生成的历史条件预期对齐观测视频窗口，时序定位物理违规并给出可解释描述。
- 作者构建 IntPhys2-Timing，在 IntPhys2 基础上增加违规区间标注。
- 作者报告在 IntPhys2-Timing 上跨物理原则命中率最高 70.7%，并在 IntPhys2 整体判别准确率上优于对比方法。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。