FracGen 教视频生成模型根据物理信号模拟物体破碎

FracGen 的作者提出了一种视频生成模型，它能根据单个完整物体的图像，生成由物理信号驱动的、可信的破坏动态。为了训练，作者构建了基于 material point method 并带有损伤模型的模拟器 FracSim，它能输出成对的破坏视频和稠密物理场。该模型学习在预测 RGB 视频的同时预测这些物理场，并额外受到 physics-informed 损失的约束。作者没有公开代码。详见 arXiv 上的论文。

这意味着什么

FracGen 是一项研究工作，而不是我们指南中的现成工具。在视频生成器栏目中，没有专门针对物理上可信破坏的模型：Maestro 解决的是 image-text-to-video 任务，LTX-Video 是 image-to-video，CogVideoX（智谱 CogVideoX） 是 text-to-video。它们中没有一个能预测物理场，也没有一个用 physics-informed 损失进行训练。 从参数表可以看出，任务上最接近的是 LTX-Video：它同样从单张图像工作，代码以 Apache-2.0 开源，而模型权重只需要 1 GB 显存。但它的权重许可证以营收门槛限制商业使用，而且其描述中完全没有提到物理破坏模拟。Maestro 需要 12—24 GB 显存，且只能在 CUDA 上运行，CogVideoX 则面向 NVIDIA H100 及以上。 在 FracGen 仍是一篇没有代码和权重的论文的情况下，无法就硬件要求或许可证把它与本地工具进行比较：作者既没有公开仓库，也没有公开模型，也没有公开显存数据。如果代码出现，就能知道这种生成能否在自己的 GPU 上运行，以及依据什么许可证。