AI生成的内容的最新进展显着改善了3D和4D代的现实主义。然而,大多数现有的方法都在忽略非衍生的物理原理的同时,会导致伪像,例如不切实际的变形,不稳定的动态和不可行的对象相互作用。将物理学培训纳入生成模型,这是一个至关重要的研究方向,可以增强结构完整性和运动现实主义。这项调查对物理感知的生成甲基产生进行了综述,从而系统地分析了如何将物理结构整合到3D和4D代中。首先,我们研究了将物理先验纳入静态和动态3D代理的最新作品,基于代表类型的方法对方法进行了分类,包括基于视觉的,基于NERF和基于高斯分裂的方法。第二,我们探索了4D代的新兴技术,重点是用物理模拟对时间动态进行建模的方法。最后,我们对主要方法进行了比较分析,强调了它们的优势,局限性和对不同材料和运动动态的适用性。通过对物理接地AIGC进行深入分析,该调查旨在弥合生成模型和物理现实主义之间的差距,提供见解,以激发人们在物理上一致的内容生成中的未来研究。
主要关键词
![arxiv:2502.07007v1 [CS.CV] 2025年2月10日PDF文件第1页](/bimg/8/8c06ba9cd7ed23faa7739e308f2e80d611a5dadb.webp)
![arxiv:2502.07007v1 [CS.CV] 2025年2月10日PDF文件第2页](/bimg/9/9cd7c4f2357cbfcb1c6af090714e270ad325985e.webp)
![arxiv:2502.07007v1 [CS.CV] 2025年2月10日PDF文件第3页](/bimg/1/19f556de7909b51e4dadb7c8f3daa3bb06189f21.webp)
![arxiv:2502.07007v1 [CS.CV] 2025年2月10日PDF文件第4页](/bimg/5/531cfa44c958f16ebc86b0bab0d85137e4216832.webp)
![arxiv:2502.07007v1 [CS.CV] 2025年2月10日PDF文件第5页](/bimg/0/0c4adcc14afbad2d47ad94f6c000c6475c76c15c.webp)
