ForceVid3D：通过相机坐标系三维力控制生成物理响应视频

基于摘要分析。该研究面向外力控制的视频生成：给定初始图像和相机坐标系中的显式三维力，生成与场景相关的物理响应视频。ForceVid3D 的核心贡献是将三维力的投影表示与深度约束的响应监督结合，并配套构建训练数据集和评估基准。 方法上，Projective 3D Force Map 将力的作用范围、方向、大小与投影线索结合，旨在弥补图像平面二维表示难以完整表达相机坐标系三维力的问题。Depth-Grounded Response Affinity Supervision（D-RAS）结合响应亲和性目标与局部相对深度目标，帮助模型捕捉响应区域及其局部几何背景。摘要未提供这些目标的具体形式、模型架构或训练流程。 数据方面，作者构建了包含 60K 个力—视频配对、覆盖七类响应组的 ForceVid3D-Dataset，并提出用于力到响应评估的 ForceVid3D-Bench；数据来源、响应组定义及训练与测试划分尚未验证。 结果方面，作者报告，在可比的二维力控制设置下，相较既有力条件生成方法，ForceVid3D 在力遵循程度和物理一致性上取得持续改进，同时保持有竞争力的视觉质量；作者还报告，专门的三维评估展示了相机坐标系三维力控制能力，受控消融支持投影表示与 D-RAS 的贡献。摘要未给出具体指标、数值、基线名单及统计信息，尚不能量化改进幅度或独立判断泛化范围。 该工作的主要研究对象是视觉场景中的物理响应生成，并非 EEG 解码或 BCI。现有材料没有提供与神经信号建模的具体机制对应，因此不据此推导 BCI 有效性或提出迁移实验。复现条件仍需核对数据与实现的可获取性、三维力及深度监督的来源和评估协议。