PhysForge：具有可分离组件的材料可控三维重建

基于摘要分析。PhysForge 面向具有可模拟力学行为的三维资产重建，研究如何突破仅凭外观推断材料的局限，并从物体及语义部件的复杂交互中估计物理属性。其核心贡献是结合基于 Video Diffusion Model（VDM）的材料可控物理拟合与组件级交互建模。 框架包含两个互补模块。PhysFit 使用材料条件 VDM 生成的动态作为物理属性拟合参考，通过 windowed fitting 聚焦能够揭示材料特性的交互片段，并引入 Hallucinated Forcing，旨在将 VDM 幻觉产生的非物理运动与真实材料响应分离。PhysComp 将复杂交互拆分为独立物体和语义组件，使各组件的物理参数能够独立优化，再灵活组合开展联合仿真。摘要未给出参数化方式、损失函数、窗口选择规则或两个模块的具体优化流程。 作者报告，在 PhysAssets 和 Google Scanned Objects 上，相较所比较的现有方法，PhysForge 对材料相关物理响应具有更强的控制能力，并支持复杂交互中的组件级物理建模；在常见与不常见材料的评估中均取得最佳 CLIP 和物理可控性分数。上述结论限于作者所述评估范围，摘要未提供具体分数、指标定义、数据划分及基线名单。作者还报告了定性比较、组件级消融和用户研究的支持证据，其实验协议、消融细节及统计信息尚未验证。 本文的主要研究对象是三维资产的材料属性与物理仿真，并非神经信号解码或 BCI。现有材料未建立该机制与 EEG 瓶颈之间的具体对应关系，因此不据此提出迁移效果或复现实验建议；相关 EEG 工作尚未检索确认。复现仍需核对 VDM、物理仿真器、材料条件输入、组件分解方式及实现资源的实际可得性。