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
16
-
浏览
9629
-
获赞
55
热门推荐
-
Air Jordan 7“兔八哥 2.0”配色鞋款曝光,胡萝卜鞋盒吸睛
潮牌汇 / 潮流资讯 / Air Jordan 7“兔八哥 2.0”配色鞋款曝光,胡萝卜鞋盒吸睛2020年02月23日浏览:2961 除了俄勒冈鸭与 Patta 联名等银川国际航空港综合交通枢纽工程弱电工程(二标段)顺利通过竣工验收
6月28日,西部机场集团组织召开了银川国际航空港综合交通枢纽工程弱电工程竣工验收会议。民航电子工程事业部副总经理王鹏出席参加了会议。此次验收在宁夏自治区发改委,自治区财政厅,自治区交通运输厅,宁夏交通山东空管分局解决郑州AIDC协调失败问题
中国民用航空网通讯员郑楷文报道:AIDC是为了在不同管制单位自动化系统之间实现电子移交,代替语音移交,提高空中交通管制效率。目前和济南管制区实施AIDC的周边管制区有上海、合肥、郑州、青岛、北京。近日再见了我的“小E”B
中国民用航空网 通讯员 张曙明讯)在朋友圈见到你换了新衣服,还挺“靓”的。不过我还是喜欢你身穿我们“木棉花”的外套啊!一眨眼八年过去了,你已经离开了我们,离开了祖国,继续完成你的使命!从此再也见不到我Aimé Leon Dore 2020 春夏系列 Lookbook 赏析~
潮牌汇 / 潮流资讯 / Aimé Leon Dore 2020 春夏系列 Lookbook 赏析~2020年02月20日浏览:2905 在释出了新百伦 2020 全新北京大兴机场除冰液加注站项目建设稳步推进
成都民航六维航化有限责任公司20年来一直致力于民用航空化学品的研究和相关产品配套技术服务,拥有一支技术过硬的技术团队,其具有自主知识产权的除冰液配置及加注系统已在银川、南京、长春等多个机场得到广泛应用河北空管分局领导送凉爽慰问导航台职工
7月3日、4日,河北空管分局副局长李雁权、工会专职副主席曹军贤带领相关部室人员驱车奔赴魏县、衡水导航台,走访慰问守台职工,并为他们送去了分局党委的关怀和慰问品。在魏县和衡水导航台,李雁权副局长分别与守北京大兴机场除冰液加注站项目建设稳步推进
成都民航六维航化有限责任公司20年来一直致力于民用航空化学品的研究和相关产品配套技术服务,拥有一支技术过硬的技术团队,其具有自主知识产权的除冰液配置及加注系统已在银川、南京、长春等多个机场得到广泛应用阿迪达斯 Ultra Boost 全新升级版释出,更轻更凉爽
潮牌汇 / 潮流资讯 / 阿迪达斯 Ultra Boost 全新升级版释出,更轻更凉爽2020年02月21日浏览:3323 阿迪达斯旗下不断进化的 Ultra Boos汗流浃背,连续抢修,民航赣州雷达导航站排查隐患促安全
连日来,赣州雷达导航站深入贯彻安全生产月“防风险、查隐患、遏事故”活动主题,对每一套系统、每一套设备、每一条链路进行全面安全隐患排查。他们无惧炎炎夏日的高温炙烤,顾不上汗水湿透衣背,不放过每一个细节,浅谈作风建设之他律
通讯员:张润环)近年来,呼伦贝尔空管站管制运行部积极响应民航局空管局要求,组织开展“作风建设”活动,意在通过开展“作风建设”活动,压实安全责任,抓实领导作风,抓细基层作风,强化干部的领导力和一线员工的终端管制室召开安全督查员专题培训工作会
按照东北空管局、空管中心关于开展“2019年安全生产月活动”的统一部署,为提高安全运行质量,增强安全督查员工作能力,力将安全督查队伍向“更专业、更实干、更系统”的方向发展,6月10日,东北空管局空管中maxmara六大经典款(maxmara六大经典款大衣介绍)
maxmara六大经典款(maxmara六大经典款大衣介绍)来源:时尚服装网阅读:6853maxmara是什么品牌?这款版型的大衣真绝了1、MaxMara是一个意大利品牌,始于1951年,创办人Ach济南机场建设新跑道 设计新程序
中国民用航空网通讯员冉令勇报道:为了设计济南机场新跑道所配备的新程序,近日,济南机场公司、山东省机场集团指挥部、华东飞行程序设计院、民航山东空管分局和空军相关飞行单位在机场行政楼三楼会议室,召开了新跑吉林空管分局开展半年党建思想政治工作调研
为了深入推进吉林空管分局全面从严治党责任和工作要求,根据年度党建工作总体规划和安排,近日,分局党委分别深入四个基层党总支召开座谈会,组织开展半年党建思想政治工作调研。分局班子成员、相关部门主要负责人,