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
9259
-
浏览
12384
-
获赞
47
热门推荐
-
芙清水乳怎么样(芙清水乳成分)
芙清水乳怎么样(芙清水乳成分)来源:时尚服装网阅读:2134芙清凝胶是很火的一款护肤品,芙清凝胶怎么样?它的作用如何?1、芙清抗菌功能性敷料凝胶,主打抗炎修复,适合在痘痘爆发期使用,不仅可以改善痤疮和noreva美白精华效果怎么样 noreva是什么牌子
noreva美白精华效果怎么样 noreva是什么牌子时间:2022-04-18 12:13:44 编辑:nvsheng 导读:美白精华一直是大家都非常喜欢用的,市面上的美白精华液有很多,nore科室联合齐心协力,线路整改井井有条
为做好设备机柜线路梳理自查和整改工作,深入落实安全生产专项整治三年行动,做好机房管理精细化和设备架设布线规范化,技术保障中心空管设备集中监控室与雷达设备室于8月26日,联合开展航管楼4楼西值班房腰腹环吸会引起皮肤松弛吗 腰腹环吸后需要卧床休息吗
腰腹环吸会引起皮肤松弛吗 腰腹环吸后需要卧床休息吗时间:2022-04-19 12:06:33 编辑:nvsheng 导读:腰腹环吸是一种很常见的吸脂手术,主要针对腰腹部比较肥胖的人群,可以达到快李铁:尊重和重视每一个对手 长期封闭对球员非常残酷
李铁:尊重和重视每一个对手 长期封闭对球员非常残酷_比赛www.ty42.com 日期:2021-10-06 23:31:00| 评论(已有305679条评论)束腰带晚上睡觉可以穿吗 睡觉可以穿束腰带吗
束腰带晚上睡觉可以穿吗 睡觉可以穿束腰带吗时间:2022-04-19 12:07:15 编辑:nvsheng 导读:束腰带是今年超级流行的一种瘦腰的的产品,但是对于束腰带很多的的使用方法都是非常错揭秘统一天下的为什么是秦?为什么不是六国
或许你会说,是因为商鞅变法。然而楚国也有吴起变法,魏国也有李悝变法。真正给秦国带来制度性推动的,还是二十等军功爵的执行。网络配图秦国不是玩政治的国家,有的只是一根筋的壮大实力。而实力的背后离不开强大的腰腹环吸多久可以看到效果 腰腹环吸多久恢复正常
腰腹环吸多久可以看到效果 腰腹环吸多久恢复正常时间:2022-04-19 12:06:45 编辑:nvsheng 导读:腰腹环吸就是采用吸脂的方法来将腰腹部的脂肪都抽出,可以不用运动就轻松拥有小蛮摩根晒照:祝历史最佳C罗39岁生快,阿森纳印号球衣是你的礼物
2月6日讯 2月5日是C罗的生日,C罗好友皮尔斯-摩根更新社媒表示了祝贺。摩根晒出了此前向C罗赠送C罗阿森纳7号球衣的照片,并表示道:祝历史上最伟大的足球运动员39岁生日快乐,这是你的礼物。maget熊果苷软膏有依赖性吗 熊果苷软膏用多久可以淡斑
熊果苷软膏有依赖性吗 熊果苷软膏用多久可以淡斑时间:2022-04-19 11:33:18 编辑:nvsheng 导读:熊果苷软膏能够淡化色斑、淡化痘印,但是对肌肤刺激性很强,最好不要在白天使用,广州大和章雷达站实施无人值守运行模式
9月6日,技术保障中心大和章雷达站经过无人值守远程监控模式下简称无人值守)工作已平稳运行一个月。大和章雷达站无人值守准备工作自2020年启动至8月份,雷达设备室根据前期西岭及韶关雷达站无人值守水之蔻脱毛膏使用方法 水之蔻脱毛膏刺激吗
水之蔻脱毛膏使用方法 水之蔻脱毛膏刺激吗时间:2022-04-17 17:48:39 编辑:nvsheng 导读:水之蔻脱毛膏是众多脱毛膏中的一种,夏天穿短袖和短裤到了,身上有黑丝的绒毛是很影响美Vans x Sandy Liang 联名系列下月开售,创意混搭
潮牌汇 / 潮流资讯 / Vans x Sandy Liang 联名系列下月开售,创意混搭2020年02月25日浏览:4521 近日,范斯释出了与纽约设计师 Sandyunny防晒霜怎么样 unny防晒霜适合军训吗
unny防晒霜怎么样 unny防晒霜适合军训吗时间:2022-04-18 12:15:24 编辑:nvsheng 导读:通常我们大家都知道,在平时化妆防晒是非常重要的,不涂防晒皮肤是很容易晒黑的,历史上死的最窝囊的一代战神当属薛仁贵
薛仁贵,龙门(今山西河津)人,是个酷哥,自幼贫寒,习文练武,有臂力,善骑射长成务农武艺高强,善骑射。网络配图唐贞观末年时要远征高丽,644年,薛仁贵参加了张士贵(又是让小说冤枉的好人)的部队,张士贵