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
4
-
浏览
14
-
获赞
1
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直播吧手机版足球最近足球赛时间表足球竞猜app
2、视几次道供给篮球、CBA、英超、西甲、德甲、意甲、欧冠近来足球赛工夫表足球竞猜app、中超、恒大等体育赛事的直播回放集锦录相直播吧手机版是一款供给了各类体育赛事、视频、消息、论坛交换的软件近来足球优酷《冰糖炖雪梨》计日可待,甜甜的剧集哪个品牌能不爱?
优酷《冰糖炖雪梨》计日可待,甜甜的剧集哪个品牌能不爱?2020-02-24 13:29:46 来源:大众娱乐网 责任编辑: saisai卡塔尔足球国足黑历史2023年11月16日
最主要的是,连结理性和警惕,不要企图不实在践的高报答率最主要的是,连结理性和警惕,不要企图不实在践的高报答率。慎重投资并连结脚浮躁地的立场,如许才气更好地庇护本人的财富和长处。近期呈现了一同使人震动的迟京涛会见古巴内贸部副部长
10月9日,集团副总裁迟京涛在中粮广场会见了古巴内贸部副部长Odalys Escandell Garcia(奥黛丽丝·加西亚)一行,双方就大宗商品批发和销售等事宜进行了探讨。迟京涛代表中捷报足球手机版足球竞彩开奖结果2023/11/14国足赛程最新消息
国足客场2-2被叙利亚压哨扳平,仅在实际上存在进入2018天下杯的能够国足客场2-2被叙利亚压哨扳平,仅在实际上存在进入2018天下杯的能够。12强赛还剩下最初2轮,国足将在8月31日主场打乌兹别克,万和足球足球新闻新浪!足球的发展历程
·新一届足协指导宋凯在承受采访时表达了对我们足球开展的考虑和方案,他夸大了青训的新的性,并提到了要优化青训质量·新一届足协指导宋凯在承受采访时表达了对我们足球开展的考虑和方案,他夸大了青开启巴黎时装周之行 薇娅演绎时髦混搭造型
开启巴黎时装周之行 薇娅演绎时髦混搭造型2020-02-18 19:00:07 来源:大众娱乐网 责任编辑: saisai优衣库 UT 全新 THE BRANDS MASTER PIECE 系列首波单品公布
潮牌汇 / 潮流资讯 / 优衣库 UT 全新 THE BRANDS MASTER PIECE 系列首波单品公布2020年02月20日浏览:3558 每一季 UNIQLO汤显祖遇见莎士比亚!谭维维郑棋元演绎跨越时空的爱情传奇
汤显祖遇见莎士比亚!谭维维郑棋元演绎跨越时空的爱情传奇2020-02-29 11:23:49 来源:大众娱乐网 责任编辑: saisai足球小将 日本队捷报即时比分网球探
足球,有世界第一运动的美誉,是全球体育界最具影响力的单项体育运动足球,有世界第一运动的美誉,是全球体育界最具影响力的单项体育运动。是什么让无数人为之呐喊?是什么让世界的目光汇聚到一个球场?没错,就是足媒体融合大势下,《主持人大赛》为传媒人探寻航向
媒体融合大势下,《主持人大赛》为传媒人探寻航向2020-02-03 20:04:33 来源:大众娱乐网 责任编辑: saisai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与支持趣动传媒公共空间互动装置助力第28届金鸡百花电影节影迷嘉年华完美落地
趣动传媒公共空间互动装置助力第28届金鸡百花电影节影迷嘉年华完美落地2020-02-21 16:39:50 来源:大众娱乐网 责任编辑: saisai趣动传媒公共空间互动装置助力第28届金鸡百花电影节影迷嘉年华完美落地
趣动传媒公共空间互动装置助力第28届金鸡百花电影节影迷嘉年华完美落地2020-02-21 16:39:50 来源:大众娱乐网 责任编辑: saisai