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
146
-
获赞
87935
热门推荐
-
OVO x 其乐全新联乘鞋履系列发售,荧光色主打
潮牌汇 / 潮流资讯 / OVO x 其乐全新联乘鞋履系列发售,荧光色主打2020年02月25日浏览:3057 日前,由加拿大人气说唱歌手 Drake 主理的街头品牌O衣服沾上了化妆品怎么办 化妆品沾衣服上怎么洗干净
衣服沾上了化妆品怎么办 化妆品沾衣服上怎么洗干净时间:2022-06-28 16:51:46 编辑:nvsheng 导读:平时化妆后,衣服上很容易沾染上化妆品,对于爱化妆的女生这是常有的事,衣服上面膜不洗掉睡觉有影响吗 免洗面膜多长时间洗掉
面膜不洗掉睡觉有影响吗 免洗面膜多长时间洗掉时间:2022-06-28 16:51:16 编辑:nvsheng 导读:敷面膜对皮肤的改善作用是很大的,市面上的面膜种类非常多,不同的面膜使用方法不同加强党史学习教育,向“最可爱的人”致敬
中国民用航空网通讯员 方昕、欧阳汝添 报道:英雄虽已逝,精神永长存。为庆祝新中国成立72周年,纪念中国人民志愿军抗美援朝71周年,丰富党史学习教育内容,进一步激发网络中心党员同志爱党爱国、担当作英媒:若林加德不续约将在冬窗被卖 纽卡西汉姆有意
英媒:若林加德不续约将在冬窗被卖 纽卡西汉姆有意_曼联www.ty42.com 日期:2021-10-12 08:01:00| 评论(已有306472条评论)复盘分析集广智 提炼总结筑 “三基”——汕头空管站气象台开展2021年台风“狮子山”天气复盘分析会
10月21日,汕头空管站气象台预报室开展对于10月8日17号台风“狮子山”的天气复盘分析会。 为切实做好复盘分析,进一步提升复杂天气预报能力和服务品质,当班预报员结合自身应急救援桌面推演 提升综合保障能力
通信员:李帆)为进一步提升桂林空管应急救援综合保障能力,完善应急救援体系建设,结合“防跑道侵入安全教育月”活动的开展,民航桂林空管站与桂林两江国际机场于10月15日联合开展应急咖啡色外套搭配什么颜色打底衫 咖啡色衣服搭配方法
咖啡色外套搭配什么颜色打底衫 咖啡色衣服搭配方法时间:2022-06-25 13:29:17 编辑:nvsheng 导读:穿衣搭配是很重要的,一个人的穿着反映了这个人的日常风格气质,咖啡色外套是秋平分秋色!近一个月3次碰面,阿森纳、利物浦各取1胜1平1负
2月5日讯 英超第23轮,阿森纳3-1利物浦。近一个月3次碰面,阿森纳、利物浦各取1胜1平1负。12月24日,英超第18轮:利物浦1-1阿森纳1月8日,足总杯第3轮:阿森纳0-2利物浦2月5日,英超第被误解的真相:周瑜之死其实跟诸葛亮无关!
周瑜跟诸葛亮都是历史上鼎鼎大名的人物,个个机智聪慧,在战场上运筹帷幄,都打了不少的胜仗,可后来这位令人无比敬佩的周瑜大将也难逃死亡的命运网络配图 但流传至令,有一个特别有意思的说法,就是这样一个神勇厉宁波空管站气象台召开换季安全形势分析会
随着冷空气的持续扩散,宁波机场迎来了气象意义上自夏入秋的快速转换。为统筹做好换季期间的各项工作,气象台近期组织召开了换季安全形势分析会,对雷雨季节的气象保障服务情况进行总结,并对安全工作进行点评和部署山东空管分局宣贯基层工作作风行为规范负面清单
中国民用航空网通讯员于青报道:为扎实推进作风建设,近日,山东空管分局在航管楼二楼会议室召开全体会议,组织宣贯华东空管局基层工作作风行为规范负面清单样例。会上,山东分局技术保障部全体人员共同学习了华东空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花漾蓝桥化妆刷怎么样 化妆刷有哪些材质
花漾蓝桥化妆刷怎么样 化妆刷有哪些材质时间:2022-06-28 16:51:34 编辑:nvsheng 导读:化妆刷的选择至关重要,几乎每一个新手入门都会选购一套属于自己的化妆刷,这样化妆起来更历史上的宜妃是怎样的 揭秘宜妃是怎么死的
在一些关于康熙的电视剧中总是能看到宜妃的身影,她是康熙身边最受宠爱的妃子,总是在康熙微服出宫的时候陪伴在他的身边,由此也可以看出宜妃的地位是十分崇高的,那么历史上的宜妃真的这样受宠爱吗?历史上的宜妃又