PhysInOne

让视频生成懂物理规律,动态重建更真实

PhysInOne 是一个基于 Python 的物理感知视频生成与动态重建框架,相关论文被 CVPR 2026 接收。它旨在解决视频生成中物理规律缺失、动态场景重建不准确的问题,通过结合 3D 视觉、物理仿真与未来预测技术,为具身智能和机器人提供可扩展的物理世界模型。其核心能力包括从视频中提取物理动态、预测未来帧、生成符合物理规律的视频内容,并支持跨场景的规模化训练。项目目前处于早期阶段,代码结构清晰,适合研究物理 AI 和动态重建的开发者探索。

开源 free 视频生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 110
维护状态 活跃
是否开源
定价模式 free

项目数据

分类视频生成
开发团队vLAR-group
所属国家
官网地址
定价模式free
价格说明开源项目,无在线服务,需自行部署,完全免费。
访问状态
是否开源
开源协议NOASSERTION
主要语言Python
技术栈/模型3d-vision,cvpr2026,dynamic-reconstruction,embodied-ai,future-prediction,physical-ai,physics-simulation,robotics,scaling-laws,tracking,video-generation
GitHub 星标★ 110
30天Star增速
HF 下载量
上线时间2026-04-12 00:00:00
最近更新2026-09-18 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • CVPR 2026 论文背书,技术方向前沿
  • 聚焦物理规律与视频生成结合,解决行业痛点
  • 面向具身智能和机器人,应用场景明确

不足之处

  • 早期项目,文档和社区生态待观察
  • 功能实现可能不完整,依赖论文补充

适用场景

  • 机器人视觉感知与物理交互模拟
  • 视频生成中的物理一致性增强
  • 动态场景的未来帧预测与重建

替代项目

PhysGen、Physics3D、VideoGPT

项目介绍

PhysInOne 是计算机视觉领域的开源项目,由 vLAR-group 开发,是 2026 年新上线的项目。

它收录于计算机视觉分类,该分类目前共有 446 个项目,GitHub 星标数为 110。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-18。无在线服务,需自行部署,完全免费。

它主要面向的使用场景是:机器人视觉感知与物理交互模拟。同类可对比的替代方案包括 PhysGen、Physics3D、VideoGPT。

上一篇:DiffCut

下一篇:GSFixer

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2046 2026-08-14