物理感知生成

PAVAS：物理感知的视频到音频合成

PAVAS: Physics-Aware Video-to-Audio Synthesis

把 VLM 估计的物体质量与基于分割的动态三维重建得到的运动轨迹作为物理条件注入潜变量扩散，为视觉研究者提供了一条「从视频中显式提取物理量再驱动跨模态生成」的可复用管线，也给出了用 APCC 衡量生成结果物理一致性的评测思路。