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
65183
-
浏览
295
-
获赞
56
热门推荐
-
徐福记酥心糖的简单介绍
徐福记酥心糖的简单介绍来源:时尚服装网阅读:3707徐福记酥心糖的做法?无皮花生烤箱150度烤10-15分钟,花生变色即可。把奶粉和椰丝,均匀撒到花生上,然后撒上棉花糖,烤箱温度调到200度高火,快速内维尔推算阿森纳夺得英超冠军
加里·内维尔谈到本赛季曼城表现,并认为曼城虽然表现稳定但丢分越多就越会给其他对手机会:“我推算阿森纳会夺得本赛季的冠军,我只是觉得在曼城三冠王以及英超三连冠之后,球队可能会遇到像对阵利物浦时的情况,缺Redmi K70至尊版评测:天玑9300+带来满帧游戏体验
Redmi K70至尊版在设计、性能、续航以及拍照等多个方面都表现出色,是一款性价比极高的手机。因此,如果大家正在寻找一款性能全面、价格合理的智能手机,那么Redmi K70至尊版无疑是首选。时间来到菲尔克鲁格在大赛4次替补建功,是德国历史之最
6月24日讯 德国在本轮欧洲杯1-1绝平瑞士,菲尔克鲁格头槌定音。数据统计显示,菲尔克鲁格在大赛共计已经4次替补建功,这也是德国队历史之最。国足吉达首训未安排分组对抗 封闭条件不理想保守战术秘密
国足吉达首训未安排分组对抗 封闭条件不理想保守战术秘密_训练基地www.ty42.com 日期:2021-10-11 11:31:00| 评论(已有306363条评论)服装店时尚射灯装饰,服装店时尚射灯装饰图
服装店时尚射灯装饰,服装店时尚射灯装饰图来源:时尚服装网阅读:825服装店射灯用什么光比较好1、服装店用暖光灯还是白光灯好1 用暖白光比较好,暖色系的灯光看起来会比较舒服,而且不用点很亮,恰当才好,这匡威全新 2020 Pride 系列鞋款即将上架,「彩虹」骄傲
潮牌汇 / 潮流资讯 / 匡威全新 2020 Pride 系列鞋款即将上架,「彩虹」骄傲2020年05月28日浏览:4590 不知不觉间,帆布鞋品牌 CONVERSE能源大省山西6月煤层气产量创历史新高
当前已进入迎峰度夏能源保供关键期,能源大省山西正加大煤层气增产保供力度。记者20日从山西省统计局获悉,今年6月份山西煤层气产量13.7亿立方米,同比增加49.4%,创单月煤层气产量历史新高。煤层气俗称足坛刺激夜!梅西替补仍被0
这一个比赛日,世界足坛又迎来了多场看点十足的对决,拥有梅西的美职联球队迈阿密国际,继续自己的热身赛之旅,此役他们奔赴客场挑战C罗领衔的利雅得胜利,不过总裁因伤无法登场,让梅罗对决没有能够再度上演,而迈Nike Air Force 1 React 黑武士配色鞋款释出,低调奢华
潮牌汇 / 潮流资讯 / Nike Air Force 1 React 黑武士配色鞋款释出,低调奢华2020年05月26日浏览:4106 Nike旗下脚感软弹升级的 A本周前瞻:期金面临2400关键支撑,本周将迎美国GDP和PCE双重考验
汇通财经APP讯——黄金市场上周再次在关键时刻结束,测试每盎司 2400 美元的关键支撑位。上周金价开盘走强,并成功冲高至每盎司 2480 美元以上的新高。然而,随着市场回吐所有涨幅,金价三周来首次收煤价或再遭受重大打击?
台风来了!煤价或遭受重大打击?按照目前的预报看最近的两个台风一个影响华南广东但目前级别不够还未起名, 一个是直奔华东,问题的核心是台风带来的降温降雨日耗不振和后期去库压力。展开说就是主要影响要看华东这《辐射》真人剧集第二季将于11月开拍
亚马逊Prime Video热门剧集《辐射》第二季消息来了,据第一季女演员Leslie Uggams透露,《辐射》第二季将于11月正式开始拍摄,这意味着几周后所有人就会回到片场。Leslie UggaCaroline Deane个展力利记艺术空间开幕 收藏资讯
海报 展览现场 展览现场 展览时间:2013.10.27 - 11.27展览地点:力利记艺术空间展览地址:北京市朝阳区东三环北路霞光里66号院远洋新干线B03Caroline Deane是受欧洲古典恩多耶门前垫射破门,VAR判定进球有效
6月24日讯欧洲杯小组赛A组第3轮,瑞士vs德国。28分钟,弗鲁勒传中,恩多耶门前垫射破门,VAR判定进球有效,瑞士暂升第一。半自动越位系统回放看,吕迪格脚尖在恩多耶身前,后者不越位。