VoMP：体积力学属性场预测

基于摘要分析。VoMP 面向物理仿真中三维物体内部力学属性难以获取、通常需要人工设定的问题，提出前馈预测方法，为物体体积内的各体素估计杨氏模量（E）、泊松比（ν）和密度（ρ），将三维对象转化为可用于仿真的资产。 方法首先聚合各体素的多视图特征，再由训练后的 Geometry Transformer 预测体素级材料潜变量，并解码为力学属性。作者将潜变量限制在基于真实世界数据集训练的物理合理材料流形上，并声称由此保证解码材料的有效性；这一保证的具体条件与适用范围仍需正文核对。输入需能够被渲染和体素化，摘要列举了 Signed Distance Fields（SDFs）、Gaussian Splats 和 Neural Radiance Fields（NeRFs）。 为构建物体级训练数据，作者提出结合已分割三维数据集、材料数据库与视觉语言模型的标注流程。需进一步核对材料标签的来源、空间分配方式，以及这些标注与真实物体内部力学属性的一致性。 作者报告，VoMP 能准确估计体积力学属性，生成逼真的可变形仿真，并显著优于既有方法；但摘要未提供数据集名称、划分、指标、数值或对照方法，无法据此量化优势。实验协议、消融及统计信息尚未验证，训练数据与实现的可获取性也尚未验证。该工作的主要对象是三维材料属性预测与物理仿真，材料未提供与 EEG 或 BCI 的具体机制对应，不据此推断其在神经信号任务中的有效性。