PhysStream：结构化场景记忆实现物理一致的可控视频流式生成
Chuhao Chen · hf · 2026-09-16
PhysStream 是面向物理一致图生视频的自回归模型，支持生成中途的细粒度交互控制。
- 结构化场景记忆：从已生成帧在线提取位置图与物体追踪图，保证多物体桌面刚体场景的物理一致性。
- 运动控制：用稀疏速度增量信号编码物理量，让模型学习底层动力学，而非用像素级信号硬指定位置。
- 两阶段训练：先微调带运动控制条件的双向模型，再训练带场景记忆的因果自回归模型。
- 成绩：相比最强基线，运动分布距离 FVMD 降低 33%、轨迹误差降低 12%；野外人类对比中 85% 以上场景被偏好。此前的可控方法均不支持生成中途干预。
「多模态」频道最新
- Pixio 推出 AE 插件：AI Agent 直接在时间线里搭图层与关键帧 — tsi_org · 2026-09-16
- Midjourney + Gemini 组合技:风格参考转写实照片 — michaelrabone · 2026-09-16
- Seedance 2.5 复刻 GTA 式潜行关卡：手机追踪全程不穿帮 — SimplyAnnisa · 2026-09-16
- 用 Nex-N2.5 Pro 造出可交互 3D 机械花园，改 N 轮才成型 — nikola_mr64990 · 2026-09-16
- 14 步手推 Sora 的 DiT:提示词与时步只靠缩放和平移注入 — ProfTomYeh · 2026-09-16
- ElevenLabs 一周连发：牵手环球音乐、Music v2.5、MCP 全模态 — lukeharries · 2026-09-16