中山大学梁小丹团队论文：让视频生成从「看起来真实」到「物理上正确」丨CVPR 2026

想象这样一些常见却又微妙的场景：一勺蜂蜜缓慢倒入热茶，本应拉出细长连续的丝状流动，但很多生成视频却会突然断裂甚至凭空消失；一块冰在室温下逐渐融化，真实过程应该是边缘先软化、体积变化、最终消散，而生成结果却常常直接从完整变成消失；一个玻璃球落入水中，本应经历接触水面、减速下沉、逐渐稳定的过程，但模型却可能只给出一个结果画面。 这些现象并不罕见，也正是当前视频生成技术最容易让人出戏的地方。画面看起来像，但过程不对，缺乏因果关系，也缺乏真实世界中那种连续演化的逻辑。 随着视频生成模型的发展，从 OpenAI Sora 到 Kling 等系统不断刷新视觉质量的上限，行业已经基本解决了清晰度和风格的问题，却逐渐暴露出更深层的瓶颈，即模型缺乏对物理规律的理解能力。 现有方法更多依赖数据驱动的模式匹配，本质上是在生成看起来合理的结果，而不是在模拟真实发生的过程，这也导致在流体、热变化以及多物体交互等场景中表现明显不足。 在这样的背景下，来自四川大学的雷印杰团队提出了一项新的研究工作《Chain of Event-Centric Causal Thought for Physically Plausible Video Generation》。这项研究不再直接从文本生成视频，而是尝试让模型先理解物理过程本身，将复杂现象拆分为一系列具有因果关系的事件，并结合物理规律进行约束，再逐步生成视频内容。 通过这种方式，目标不再只是让画面看起来真实，而是让变化过程本身也符合现实世界的运行逻辑，从而在更深层次上提升视频生成的可信度和一致性。 论文地址：https://arxiv.org/pdf/2603.09094 更加符合「真实世界」的方式 在实验结果方面，研究团队首先在 PhyGenBench 数据集上进行了系统评估。这个数据集包含 160 条物理描述，覆盖力学、光学、热学和材料四类典型物理场景。 整