斯坦福大学联合犹他大学推出 WonderPlay 框架：仅用单张图片即可生成动态3D场景，支持刚体、布料、液体等多种物理材质模拟

💡 站外导读：传统3D动态场景的创建依赖专业建模师与高成本物理引擎，门槛高、周期长。斯坦福大学与犹他大学最新推出的 WonderPlay 框架，旨在彻底改变这一现状。它突破性地实现了仅从单张图片和用户定义的简单动作出发，自动生成包含刚体、布料、液体等丰富物理材质的动态3D场景，解决了从静态图像到符合物理规律的动态内容自动生成的核心痛点。

WonderPlay 是什么

WonderPlay 是斯坦福大学联合犹他大学推出的新型框架，支持从单张图片和用户定义的动作生成动态3D场景。基于结合物理模拟和视频生成技术，用物理求解器模拟粗略的3D动态，再驱动视频生成器合成更逼真的视频，用视频更新动态3D场景，实现模拟与生成的闭环。WonderPlay 支持多种物理材质（如刚体、布料、液体、气体等）和多种动作（如重力、风力、点力等），用户基于简单操作与场景互动，生成丰富多样的动态效果。

WonderPlay 的主要功能

• 单图动态场景生成：用一张图片和用户定义的动作输入，生成动态3D场景，展现动作的物理后果。
• 多材质支持：涵盖刚体、布料、液体、气体、弹性体、颗粒等多种物理材质，满足多样化场景需求。
• 动作响应：支持重力、风力、点力等动作输入，用户能直观操作与场景互动，生成不同动态效果。
• 视觉与物理逼真度：结合物理模拟的精确性和视频生成的丰富性，生成符合物理规律和视觉逼真的动态场景。
• 交互式体验：配备交互式查看器，用户能自由探索生成的动态3D场景，提升沉浸感。

WonderPlay 的技术原理

• 混合生成式模拟器：融合物理求解器和视频生成器，用物理求解器模拟粗略3D动态，驱动视频生成器合成逼真视频，用视频更新动态3D场景，实现模拟与生成的闭环。
• 空间变化双模态控制：在视频生成阶段，用运动（流场）和外观（RGB）双模态信号控制视频生成器，根据场景区域动态调整生成器的责任，确保生成视频在动态和外观上更贴近物理模拟结果。
• 3D场景重建：从输入图片中分别重建背景和物体，背景用快速分层高斯曲面（FLAGS）表示，物体构建为具有拓扑连接性的“拓扑高斯曲面”，估计物体的材质属性，为后续模拟和生成提供基础。

WonderPlay 的项目地址

• 项目官网：https://kyleleey.github.io/WonderPlay/
• arXiv技术论文：https://arxiv.org/pdf/2505.18151

WonderPlay 的应用场景

• AR/VR场景构建：用在创建沉浸式虚拟环境，支持用户与场景的动态交互。
• 影视特效制作：快速生成动态场景原型，辅助特效制作，提升视觉效果。
• 教育与职业培训：模拟物理现象和工作环境，增强教学和培训的实践性。
• 游戏开发：生成动态场景和交互效果，提升游戏的真实感和趣味性。
• 广告与营销：制作动态广告内容，提供互动体验，增强观众参与度。