PhysTrace：视频生成模型物理一致性的可解释时序评估
PhysTrace: Interpretable Temporal Evaluation of Physical Consistency in Video Generative Models
精选理由
为视频生成模型提供可解释的物理违例定位，帮助评估其物理一致性并改进时序预测与规划。
AI 摘要
世界动作模型日益依赖预训练视频模型，并假定这些模型能够捕捉物理动力学，以用于预测、规划和动作生成。现有评估方法会评估合理性、探查表征或衡量预测意外程度，但很少能识别出哪些基于历史信息的物理预期与观测结果相冲突。我们提出 PhysTrace，这是一个无需训练的框架，将 MLLM 生成的、以历史信息为条件的预期与观测视频片段进行对齐，从而在时间上定位违反物理规律的现象，并提供可解释的描述，无需针对特定任务的探针或分类器。我们还推出了 IntPhys2-Timing，为 IntPhys2 添加了违反物理规律的时间区间标注。PhysTrace 在 IntPhys2-Timing 上针对各类物理原理的评估中，命中率最高达到 70.7%，并在 IntPhys2 上区分物理上可能与不可能情况的总体准确率方面优于对比方法。将 PhysTrace 应用于沿预训练扩散式／流式视频模型轨迹重建的视频时，它揭示了物理违规定位中随属性和噪声变化的模式，从而实现跨时间步的可解释物理一致性分析。