类Sora模型到底懂不懂物理?字节完成系统性实验证明
Sora爆火以来,模明“视频生成模型到底懂不懂物理规律”受到热议,型到系统性实但业界一直未有研究证实。底懂近日,不懂字节跳动豆包大模型团队公布最新论文,物理完成研究历时8个月,字节围绕“视频生成模型距离世界模型有多远”首次在业界完成系统性实验并给出明确结论:视频生成模型可以记忆训练案例,验证但暂时还无法真正理解物理规律,模明做到“举一反三”。型到系统性实
图灵奖得主、底懂Meta首席AI科学家杨立昆点赞并转发了该研究,不懂表示“结论不令人意外,物理完成但很高兴终于有人做了这个尝试!字节”
自OpenAI发布Sora模型以来,验证很多视频生成模型都会强调其生成结果对物理规律的模明遵循。豆包大模型视觉团队相关小组,对视频生成模型究竟能否从视觉数据中“发现”并“理解”物理定律感到好奇,决定深入研究。
历时8个月,该团队完成了业界首个系统性的实验研究。团队通过专门开发的物理引擎合成了匀速直接运动、小球碰撞、抛物线运动等经典物理场景的运动视频,用于训练基于主流DiT架构的视频生成模型。然后,通过检验模型后续生成的视频在运动和碰撞方面是否符合力学定律,判断模型是否真正理解了物理规律,并具有“世界模型”的潜力。
实验中设计的不同运动场景
豆包大模型团队的实验发现,即使遵循“Scaling Law”增大模型参数规模和数据量,模型依然无法抽象出一般物理规则,做到真正“理解”。
以最简单的匀速直线运动为例,当模型学习了不同速度下小球保持匀速直线运动的训练数据后,给定初始几帧,要求模型生成小球在训练集速度区间内匀速直线运动的视频,随着模型参数和训练数据量的增加,生成的视频逐渐更符合物理规律。
然而,当要求模型生成未曾见过的速度区间(即超出训练数据范围)的运动视频时,模型突然不再遵循物理规律,并且无论如何增加模型参数或训练数据,生成的结果都没有显著改进。这表明,视频生成模型无法真正理解物理规律,也无法将这些规律泛化应用到全新的场景中。
通过进一步的实验分析,研究团队得出结论,“生成新视频时,模型主要依赖对训练案例的记忆和匹配。视频生成模型就像一个只会‘抄作业’的学生,一旦遇到从未见过的场景,如不同大小、速度的物体相互作用,就会‘犯迷糊’,生成结果与物理规则不符。”
不过,研究中也有一个好消息:如果训练视频中所有概念和物体都是模型已熟悉的,此时加大训练视频的复杂度,比如组合增加物体间的物理交互,通过加大训练数据,模型对物理规律的遵循将越来越好。这一结果可为视频生成模型继续提升表现提供启发。
据了解,本研究两位核心一作都非常年轻,一位是95后,一位是00后,在豆包大模型团队专注视觉领域的基础研究工作。作者们一直对世界模型感兴趣,在8个月的探索中,他们阅读了大量物理学研究文献,也尝试从游戏中获得研发灵感,历经多次失败后,最终一步步确定研究思路和实验方法。
友链
外链
互链
Copyright © 2023 Powered by
六合彩图库源码【购买联系电报bc3979】AC彩票网站源码|六合彩源码|彩票搭建|新中原六合彩源码|【网站bc9797.com】六合彩论坛源码【联系飞机bc3979】
sitemap
-
文章
325
-
浏览
61
-
获赞
6
热门推荐
-
UFC巨星谈C罗:史上最佳 激励了数以百万计的人
UFC巨星谈C罗:史上最佳 激励了数以百万计的人_哈比布www.ty42.com 日期:2021-10-06 09:01:00| 评论(已有305583条评论)新产业新动能加速成长 新质生产力不断壮大
最新公布的中国经济运行半年成绩单中,41个工业大类行业中,有39个行业增加值实现同比增长,其中,新产业、新动能发展迅速。今年上半年,规模以上高技术制造业增加值同比增长8.7%,增速高于全部规模以上工业CLOT x Polaroid 全新联名「丝绸」拍立得相机即将上架
潮牌汇 / 潮流资讯 / CLOT x Polaroid 全新联名「丝绸」拍立得相机即将上架2020年09月27日浏览:4990 刚刚推出了丝绸口罩系列的 CLOT,今中粮集团旗下各上市公司2022年3月21日-3月25日收盘情况
3月213月223月233月243月25中国食品香港)05062.923.003.002.922.90中粮糖业6007378.408.528.478.428.60中粮工科 30105817.0316.浙江温岭:开展中秋节前月饼专项检查
中秋佳节临近,为使广大消费者过上祥和中秋节,浙江省温岭市市场监管局开展月饼专项检查,及时消除食品安全隐患,确保群众吃上安全放心的月饼。9月13日,温岭市市场监管局执法人员对台州市壹兜麦香食品有限公司等官方:津门虎签下26岁葡甲前腰哈达斯,球员身披8号球衣
06月23日讯 天津津门虎官方宣布,球队签下26岁的葡萄牙前腰哈达斯。公告我们非常高兴地宣布,葡萄牙籍球员哈达斯正式加盟津门虎足球俱乐部,他将身披8号战袍,加入到球队赛季下半程的各项赛事中!哈达斯技术梅开二度击碎质疑 沙奇里成为瑞士足球大赛第一人
梅开二度击碎质疑 沙奇里成为瑞士足球大赛第一人_比赛www.ty42.com 日期:2021-06-21 04:01:00| 评论(已有285363条评论)江海建设集团领导与新疆博尔塔拉蒙古自治州党委副书记、州长会谈
10月23日,江海建设董事局主席王沫率队前往新疆博尔塔拉蒙古自治州考察,拜访了博州党委副书记、州长巴音克西和博州交通局党组书记王勇,双方共叙友谊、共谋发展、共话未来。 王沫就太平洋建设迁Adidas 全新滑板鞋 Aloha Super 本周六上架,奢华质感
潮牌汇 / 潮流资讯 / Adidas 全新滑板鞋 Aloha Super 本周六上架,奢华质感2020年02月19日浏览:3736 东京奥运会滑板运动将首次成为奥运会中粮集团旗下各上市公司2022年2月14日-2月18日收盘情况
2月142月152月162月172月18中国食品香港)05063.453.403.393.443.48中粮糖业6007378.518.478.498.478.51中粮工科 30105815.6215.“长城好酒中国行”2022年首站在杭州举办
3月4日,“长城好酒中国行杭州站暨浙江长城·玖2022战略发布会”在杭州举办,此次活动是“长城好酒中国行”2022年首站,也标志着&克苏身价PK:魔笛仅列队内14 利物浦飞翼全场最高
克苏身价PK:魔笛仅列队内14 利物浦飞翼全场最高_欧元www.ty42.com 日期:2021-06-22 16:01:00| 评论(已有285896条评论)Supreme x Nike Air Max Plus TN 联乘鞋款系列即将登场,放眼新设计
潮牌汇 / 潮流资讯 / Supreme x Nike Air Max Plus TN 联乘鞋款系列即将登场,放眼新设计2020年02月19日浏览:3443 今天情报账南京博物院藏木刻年画新年元旦起展出 收藏资讯
本报讯 (通讯员 李威 记者 马奔)记者昨日从常州市博物馆获悉,由南京博物院与常州博物馆共同举办的《多彩的生活―南京博物院藏木刻年画展》将于2015年元月1日在常州博物馆一楼展厅隆重开展。年画是中国民1亿欧!切尔西放弃英格兰射手,签奥斯梅恩,阿森纳再签伊万托尼
最近几个赛季的转会市场,由于中锋位置的稀缺,导致锋线球员射手的身价上涨的幅度非常大。仅以英超为例,拜仁从热刺签下了凯恩花费了1亿欧元左右的转会费尚且可以理解,但是布莱顿为弗格森标价1.2亿英镑,布伦特