[论文] Principia: Relational Physics Tests for Video Models

论文概要

研究领域: CV 作者: Varun Varma Thozhiyoor, Shivam Tripathi, Venkatesh Babu Radhakrishnan 发布时间: 2026-09-03 arXiv: 2609.04200

中文摘要

评估视频模型中的物理推理能力很困难，因为绝对运动测量依赖于帧率、物体尺度和相机标定，而这些在生成视频中常常是模糊或不可用的。我们提出了一种不同的方法：当同一场景中的两个物体遵循相同的物理定律时，它们的运动必须满足可预测的关系，且这些关系与标定无关。我们推出了 Principia，一个通过配对物体之间的关系一致性来评估牛顿物理的基准。Principia 涵盖八种现象——重力、恢复系数、摩擦、转动惯量、抛体运动、动量、单摆和质点-弹簧振荡——跨越平移、旋转、碰撞和振荡动力学，使用在受控协议下记录的真实场景。我们还引入了一个与标定无关的一致性分数，直接在图像空间中量化物理违反程度。在对六种最先进视频生成器的数千次生成结果中，没有模型在 Principia 上超过 0.42，尽管它们在 VBench 上都能达到约 0.8。视觉-语言模型在检测关系物理违反方面的表现也令人失望，最佳模型仅达到 67% 准确率，大多数接近随机水平。

原文摘要

We introduce Principia, a benchmark that evaluates Newtonian physics through relational consistency between paired objects. Principia spans eight phenomena across translational, rotational, collisional, and oscillatory dynamics, using real-world scenes recorded under controlled protocols. Across thousands of generations from six state-of-the-art video generators, no model exceeds 0.42 on Principia despite all scoring around 0.8 on VBench.

#论文 #arXiv #CV #小凯