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
54
-
浏览
192
-
获赞
248
热门推荐
-
樱花粉 Air Max 270 React ENG 鞋款上脚美图赏析
潮牌汇 / 潮流资讯 / 樱花粉 Air Max 270 React ENG 鞋款上脚美图赏析2020年02月21日浏览:4464 自诞生以来,Air Max 270史上最诡异却保存最好的陵墓 千年来无人敢盗
说到盗墓,永远是个不绝于耳的话题。从古至今最受盗墓者青睐的,就是王侯贵族陵墓。可无论有多么强大的防盗工程,却依然挡不住盗贼。就像秦始皇陵,都知道它里面布满机关,但盗墓者却是一批又一批。可有一座陵墓,至曾经雄踞北方200多年的契丹族后来去了哪里?
说起契丹族,很多人的第一反应就是大辽国。确实契丹族在鼎盛时期建立了不可一世的大辽国。辽国在各方面甚至可以和中原的宋王朝分庭抗礼,甚至占有一定的优势。至今俄国和东欧一些国家仍然称呼中国为“契丹。”但是现昆明航空机务:冰雪天气保安全 责任使命记心间
2022年2月22日,农历正月初二,星期二,这个日子很神奇,包含了很多2,这是一个充满童话色彩的日子。昆明,一座素来以四季如春而闻名的城市,她常年温暖宜人,鲜花常开不败。下雪对于昆明这座城市而言是极其被阿扎尔踢的球童:当时我以为是马塔干的,他们告诉我是阿扎尔
2月1日讯 近日切尔西功勋阿扎尔与当年被他踢的球童查理-摩根重聚,两人畅谈往事。查理-摩根说:“太疯狂了,当时我一直以为是胡安-马塔踢的我,回到更衣室我也是这么认为的,还一直在想这件事。然后我的同伴告大明将亡崇祯皇帝求捐钱 大臣们为何都哭穷?
南宋亡国时,崖山十万军民追随皇帝跳海而死。明朝末年,崇祯帝哭求捐款筹备军饷,满朝大臣都哭穷。崇祯自杀,身边只有一太监掩埋尸体。这是为什么?国家有难,有钱出钱,有力出力。崇祯发出捐款号召后,有一个60多谁杀了慈禧太后的“小心肝”安德海?
清朝在预防“宦官干政”这一领域应该说是吸取了前朝的教训,做得比较好的,作为最专制的王朝之一,基本没有给宦官干政的机会,如果说清朝的大太监们谁最牛,笔者认为当属慈禧太后身边的两个首领太监,安德海和李莲英史上生于七夕也死于七夕的悲情皇帝是谁
你还记得当初那个风流倜傥,才华横溢的小国皇帝吗?还记得那个诗词歌赋样样精通的亡国之君吗?在历史长河中,他一直是那么耀眼,即使他不是明君,可也是留名青史的才子。他就是李煜。李煜是南唐的中主的第六个孩子,报道指出《疾速追杀》系列导演不得不重拍外传《芭蕾杀姬》大部分场景
由伦·怀斯曼执导的《疾速追杀》外传电影《疾速追杀外传:芭蕾杀姬》,计划于2025年6月6日在美国上映。不过本片原计划在今年早些时候上映,但被推迟至明年。现在据外媒“The Wrap”报道,《芭蕾杀姬》民航广西监管局领导赴广西空管分局调研指导
2022年2月22日,民航广西监管局副局长杨荣乐携谢辰、郑千伟等一行人员赴广西空管分局进行调研,与分局班子成员及相关部门代表座谈交流。分局局长尹刚、分局副局长林大文、安全管理部部长宁发林、综合刘备与多少女人发生过关系?夫人是个大美人?
刘备,相信大家都很熟悉这个历史人物了,三国时期蜀汉开国皇帝。刘备一生与多少女人发生过关系呢?史书上说刘备的第一个妻子是甘夫人,这甘夫人是刘备救徐州时,州牧陶谦给他做的媒。而这甘夫人是当地的大美女,据说局直通信网络中心全力以赴、助力珠三角运管委顺利授牌启用
中国民用航空网通讯员 郑炎锋 报道:按照冯正霖局长年初民航工作会上“在粤港澳大湾区探索开展区域级多场运管委协同运行模式试点”的工作部署。2022年1月管理局召开珠三角运管辽宁:省市区12315部门三级联动 优化市场服务环境
中国消费者报沈阳讯(记者王文郁)9月9日,《中国消费者报》记者从辽宁省市场监管局了解到,辽宁省市场监管事务服务中心投诉举报中心近日会同沈阳市市场监管投诉举报中心、浑南区市场监管局召开专题座谈会议,就O身为平民的朱温是如何成为后梁的开国皇帝
朱温生于公元852年,卒于公元912年,是五代十国后梁的开国皇帝,人称梁太祖。那么朱温简介是什么呢?朱温是安徽砀山人,出生在一个家道中落的书香门第。朱温出生时,家中出现了红光,邻居以为朱温家着火了,便历史上是否真有妲己?她又是怎么样的人呢?
提到妲己首先想到的就是妖媚、美丽可人,那到底历史上有没有这样真实存在人呢?为何在《封神榜》里却又是妖狐的化身呢?在《史记》里有记载,妲己本是一位天姿聪慧、能歌善舞的娇媚女子,她是苏氏一位诸侯的女儿。后