Hugging Face · 每日论文· 媒体 / 作者来源·精选
PhysLDM：用潜扩散一次性生成高保真形变模拟
原文标题
PhysLDM: Latent Diffusion for High-Fidelity Deformable Simulation
AI 导读
研究者提出PhysLDM，把可形变体模拟压缩到统一的时空潜空间：在米级场景达到约2.48毫米重建精度，token压缩最高78倍，避免视频VAE常见的时间压缩阶梯伪影。对比实验发现混沌形变下确定性回归会给出非物理平均，扩散更擅建模分布。仅用运动学数据训练，单个模型可零样本泛化到未见OOD数据集，并可微分解逆问题与设计优化。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
给出首个面向体网格形变动力学的时空自编码器与潜扩散方案，并报告重建精度、压缩倍率和零样本泛化结果，适用范围限于所测米级网格与数据集。
导读由模型辅助整理，非独立核验。完整信息见原文。