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
7476
-
浏览
7
-
获赞
5578
热门推荐
-
第三季度耳机线上传统电商平台:量额双高增
第三季度中国耳机线上传统电商平台销量为2990万副,同比增长26.8%;销额为51.6亿元,同比增长20.8%。11月13号消息,洛图科技公布了2024年第三季度,中国耳机线上传统电商平台不含拼抖快等古代也有“公车腐败”:朱元璋竟禁止官员乘轿
公元前521年,孔子的得意门生颜回去世,享年40岁,孔子悲痛欲绝。因在孔门众多弟子中,颜回是被孔子称赞最多的一个,孔子不仅赞其“好学”,而且还以“仁人”相许。追悼会现场,孔子还没从悲伤回过神来,颜回的广西空管分局区域管制室运行二室党支部召开组织生活会
2022年3月10日早上,广西空管分局区域管制室运行二室党支部召开组织生活会。党支部副书记周星言主持会议,共有12名党员参会,入党积极分子列席会议,分局局长尹刚同志以普通党员身份参加会议。 区域西汉传奇:富可敌国的邓通最终却死于拍马屁
皇皇二十四史,数千万字,能在里面露过脸的—哪怕就一次,也绝对是牛人中的牛人。如果把这些牛人归类的话,无非就是忠奸善恶。忠的咱就不说了,这些人通常对老板死心塌地,皇帝就是抄了他全家,他也不会造反。奸的可彪马 x First Mile 合作可持续运动服饰系列,环保又好看
潮牌汇 / 潮流资讯 / 彪马 x First Mile 合作可持续运动服饰系列,环保又好看2020年02月25日浏览:3625 近日,来自德国运动品牌 PUMA与支持海南空管分局深入开展军民航防相撞宣传教育活动
本网通讯员:李景文报道)3月15日,海南空管分局组织管制单位带班主任含)以上人员集中观看军民航防相撞安全警示视频,开展军民航防相撞安全教育,会议由分局安全管理组织召开,三亚区管中心和管制运行部共有61杀人如麻的禽兽君王:竟然将妃子肢解做琵琶
提到高洋,那真是一个超级大暴君,杀人如麻,不管是牢狱中的俘虏、囚犯;还是朝中的王公大臣、宗室贵胄,只要他看不顺眼的,说杀就杀,毫不含糊,而且杀起人来还有一套狠毒的招数:抽筋扒皮、剖心挖腹、焚烧、投水、“弘扬雷锋精神,展志愿风采”——阿克苏机场开展学雷锋主题活动
中国民用航空网通讯员牛文静讯:为引导全员以实际行动弘扬雷锋,不断提升安检服务质量,近日,阿克苏机场安全检查站开展了“学雷锋”志愿服务活动。此次志愿服务活动包括帮扶行动不便的老年伊布放狂言:兹拉坦在米兰踢球 米兰就是意甲冠军
伊布放狂言:兹拉坦在米兰踢球 米兰就是意甲冠军_曼联www.ty42.com 日期:2021-10-06 09:01:00| 评论(已有305582条评论)秦始皇陵未被打开真相:内藏珍宝入之毙命
举世闻名的秦始皇陵被誉为世界上最大的地下陵寝,与世上最大的地上陵寝埃及金字塔齐名。秦始皇陵坐落在陕西省临潼县城以东5公里处的宴寨乡,南依骊山,北临渭水,从空中看秦始皇陵犹如一座巨大的金字塔。皇陵的布青春由磨砺而出彩,人生因奋斗而升华
通讯员 张锐)2022年2月20日,北京冬奥会顺利闭幕,短短的16天带给了我们无数的震撼和感动,奥运健儿的每一个精彩瞬间都会被永久铭记。在本届奥运会中,滑雪运动员谷爱凌无疑是本次冬奥会的焦点人物,初次东航江西分公司市场部党支部开展“提升队伍战斗力 打赢市场攻坚战”主题党日活动
为推进“四精”党支部建设,提升队伍凝聚力和战斗力,激发党组织活力,增强部门改革、治理能力,3月11日下午,东航江西分公司市场销售部党支部组织全体党员开展“提升队伍战范斯 x Jim Goldberg 联名鞋款系列发布,关注边缘弱势群体
潮牌汇 / 潮流资讯 / 范斯 x Jim Goldberg 联名鞋款系列发布,关注边缘弱势群体2020年02月20日浏览:3557 美国杰出摄影师 Jim Goldb呼伦贝尔空管站召开“岗位体验交流”活动启动会
通讯员 商丽/文、孙天辉/图)3月3日下午,呼伦贝尔空管站召开“岗位体验交流”活动启动会。空管站党委书记朱盛旺、党办全体及各党支部宣传积极分子参加会议。本次交流活动所体验的岗位诸葛亮的师傅是谁 他的祖师爷又是谁?
导读:诸葛亮是一介文人,初出茅庐就明见三分,但是这只能说明他是一位喜欢钻研时政的青年,其本质和现在铁血的众多2B青年们没有区别,只不过考虑到三国时期资讯不发达,诸葛亮凭几乎闭门造车或者偶尔和其他2