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
24
-
浏览
998
-
获赞
7687
热门推荐
-
美潮 Carhartt WIP 2020 春夏系列 Lookbook 赏析
潮牌汇 / 潮流资讯 / 美潮 Carhartt WIP 2020 春夏系列 Lookbook 赏析2020年02月18日浏览:3286 部分单品已经上架发售后,式工装上海:“粤港”等4批次涂料甲醛含量超标
中国消费者报上海讯记者刘浩)近日,上海市市场监管局集中执法力量对好美家、红星美凯龙、百安居、九星市场等10家商城、市场和天猫、淘宝、京东、拼多多4个网络交易平台销售的59批次涂料进行了监督抽查。经检验男性黑色衣服推荐品牌,黑色系男装品牌
男性黑色衣服推荐品牌,黑色系男装品牌来源:时尚服装网阅读:726男生有什么经久不衰的经典款衣服推荐吗?经典大衣2:牛角扣大衣 「牛角扣外套」原来的用途,其实是拿来军用、或是远征探险的。后来几经改良,在秀瓷画廊推出黄河个展《涅磐》 收藏资讯
声明:本文来源于网络版权归原作者所有,仅供大家共同分享学习,如作者认为涉及侵权,请与我们联系,我们核实后立即删除。海港举行新外援见面会 保利尼奥武圣关公造型亮相
海港举行新外援见面会 保利尼奥武圣关公造型亮相_新援www.ty42.com 日期:2021-10-07 12:01:00| 评论(已有305742条评论)曝申花和海港可能暂时缺席中超第一阶段赛事
曝申花和海港可能暂时缺席中超第一阶段赛事_赛区_防疫_上海www.ty42.com 日期:2022-04-29 11:31:00| 评论(已有342852条评论)涉及微生物污染和质量指标问题 江西通报6批次食品抽检不合格
中国消费者报南昌讯卢素珍记者朱海)11月11日,江西省市场监管局发布通告,6批次食品抽检不合格,主要涉及微生物污染和质量指标问题。近期,江西省市场监管局组织对调味品、饮料和肉制品3大类共166批次食品上锦胸外科赴聚源镇羊侨社区义诊
3月18日早上,上锦胸外科团支部在马林副教授及护士长余娜的带领下开展“探访李冰故乡,成都上锦南府医院胸外科走进聚源镇羊侨社区”义诊活动,这也是2018年上锦医院 “健康快车”首次进社区组织的义诊活动。探索无界,华为WATCH Ultimate非凡探索绿野传奇正式开售
在高端智能腕表领域,关于探索与突破的新篇章已经开启。10月22日,华为原生鸿蒙之夜暨华为全场景新品发布会上,华为WATCH Ultimate非凡探索系列迎来全新成员——绿野传奇,与此前发布的纵横海洋、曝阿德里安新赛季加盟河南队 转会手续正在办理中
曝阿德里安新赛季加盟河南队 转会手续正在办理中_重庆_效力_中超www.ty42.com 日期:2022-04-21 10:31:00| 评论(已有341814条评论)非农报告引发货币市场大洗牌,日元、英镑、欧元的未来走向何方?
汇通财经APP讯——本周外汇市场风云变幻,美国7月非农就业报告的疲软表现成为市场焦点,引发了一系列货币对的剧烈波动。美元指数遭受重挫,跌至五个月低点,而其他主要货币如日元、英镑、欧元和加元也各自展现出德国推荐慕尼黑品牌衣服,德国推荐慕尼黑品牌衣服吗
德国推荐慕尼黑品牌衣服,德国推荐慕尼黑品牌衣服吗来源:时尚服装网阅读:979慕尼黑化妆品导购慕尼黑产品怎么样多年来,慕尼黑国际博览集团坚持旗下博览会的国际性、专业性和导向性,率先在业内提出了导向性博览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甲状腺乳腺外科党支部开展《厉害了,我的国》观影活动
为了丰富科室党员群众的业余生活,熏陶大家的爱国情怀,学习正能量、传播正能量,一起回首祖国那些振奋人心的伟大成就,华西医院甲状腺乳腺外科党支部在魏涛书记的带领下于3月19日开展了爱国主题观影活广西消委会发布网购儿童内裤比较试验结果 四成不符合国家标准
中国消费者报南宁讯记者顾艳伟)12月14日,广西消委会发布网购儿童内裤比较试验结果显示,在35款样品中,有7款属于“三无产品”,有6款pH值检测结果不符合国家标准,均不予评星。