本论文第一作者曹子昂，南洋理工大学博士二年级，研究方向是计算机视觉、3D AIGC 和具身智能。主要合作者为来自南洋理工大学陈昭熹和来自上海人工智能 实验室的潘亮，通讯作者为南洋理工大学刘子纬教授。 论文链接：https://arxiv.org/abs/2507.12465 项目主页：hthttps://physx-3d.github.io/ GitHub 代码：https://github.com/ziangcao0312/PhysX 3D 生成正从纯虚拟走向物理真实，现有的 3D 生成方法主要侧重于几何结构与纹理信息，而忽略了基于物理属性的建模。为了填补当前包含物理属性 3D 数据集的 关键空白，由南洋理工大学 - 商汤联合研究中心 S-Lab，及上海人工智能实验室合作提出了 PhysXNet —— 首个系统性标注的物理基础 3D 数据集，涵盖五个核心 维度：物理尺度、材料、可供性、运动学信息、以及文本描述信息。此外，我们还提出了 PhysXGen，一个面向真实物理世界的 3D 生成框架，以实现从图像到真 实 3D 资产的生成。 引言 近年来，随着 3D 资产在游戏、机器人技术和具身模拟等领域的广泛应用， ...