PhyVLLM：基于物理学的视频语言模型，提升视频理解能力

这项研究介绍了PhyVLLM，这是一种通过结合物理学原理来提升视频理解的新方法，为动态场景提供了更强大和准确的表示。运动-外观解耦是一项关键创新，有助于构建更具泛化性的模型。

• •PhyVLLM 集成了物理学原理以增强视频理解能力。
• •运动-外观解耦是一个关键特征，可能提高泛化能力。
• •这项研究为建模动态视觉数据提供了一种新方法。