2026年7月28日 · OmniPhys
OmniPhys: Knowledge-Graph-Driven Benchmarking and Collective Optimization for Physical Commonsense in Text-to-Image Generation
OmniPhys 是一个基于物理知识图谱的基准测试，包含 1,551 个样本，用于评估文本到图像模型在物理常识方面的表现。OmniPrompt 是一个迭代优化框架，通过聚合随机图像和批量反馈来改进物理对齐。
EVENT STORY
发展脉络
- 首次出现OmniPhys: Knowledge-Graph-Driven Benchmarking and Collective Optimization for Physical Commonsense in Text-to-Image GenerationarXiv cs.AI
- 当前判断该研究揭示了当前文本到图像模型在物理常识方面的系统性缺陷，并提出了可扩展的评估与优化方法，可能推动行业对物理一致性的重视。Agent Pulse · 分析
OmniPhys 基准测试利用物理知识图谱和 PhET 模拟，生成 1,551 个样本，通过双路径验证协议对文本到图像模型进行物理常识诊断。OmniPrompt 框架将物理对齐视为离散优化问题，通过聚合 K 张随机图像和 B 个查询的反馈来减少梯度幻觉，提升物理一致性。
OmniPhys 通过知识图谱将物理原理转化为具体场景，实现细粒度诊断。OmniPrompt 的反馈缓冲机制有效过滤了生成过程中的随机噪声，为物理对齐优化提供了新思路。
该研究揭示了当前文本到图像模型在物理常识方面的系统性缺陷，并提出了可扩展的评估与优化方法，可能推动行业对物理一致性的重视。
对于图像生成服务提供商，物理一致性是提升用户信任和内容质量的关键，OmniPhys 和 OmniPrompt 提供了可落地的评估与优化工具。
未来可期待更多基于知识图谱的基准测试出现，以及 OmniPrompt 方法被集成到主流文本到图像模型中，提升生成内容的物理合理性。