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
3794
-
浏览
4332
-
获赞
194
热门推荐
-
Maharishi 2020 全新春夏系列 Lookbook 赏析
潮牌汇 / 潮流资讯 / Maharishi 2020 全新春夏系列 Lookbook 赏析2020年02月21日浏览:3405 继农历鼠年别住系列后,英国时尚品牌 M珠海空管站后勤服务中心学党史、办实事、提服务
根据珠海空管站党史学习教育工作安排部署,后勤服务中心联系工作实际把“学党史、悟思想、办实事、开新局”同提升后勤服务质量、解决群众问题相结合。2021年5月31日,顺利完凝“新”聚力 用心关“新”
为帮助新入职的飞行员系好职业的第一粒扣子,建立崇高的职业理想,快速融入飞行生活。6月7日,南航新疆分公司飞行部举办新员工见面会,部领导,各分部、室干部与18名新入职的飞行员共聚一堂,飞行部党委副书液体卫生巾是液体的吗 其实没有液体
液体卫生巾是液体的吗 其实没有液体时间:2022-05-18 12:08:32 编辑:nvsheng 导读:护舒宝最近出了一款新品,是液体卫生巾,热巴倾情代言的,这款卫生巾跟普通卫生巾不一样,很多国足胜越南摆脱小组垫底尴尬 国际足联排名拿到10.35积分
国足胜越南摆脱小组垫底尴尬 国际足联排名拿到10.35积分_中国队www.ty42.com 日期:2021-10-08 22:01:00| 评论(已有305959条评论)夏至为什么不是最热的 夏至是头伏吗
夏至为什么不是最热的 夏至是头伏吗时间:2022-05-19 12:39:55 编辑:nvsheng 导读:夏至的天气一般并不是整个夏天最热的,这个主要是和气候变化有关,整个大气层会有着保温的作用蒙古骑兵战场上战无不胜的秘诀原来是它?
从西元十二世纪开始,蒙古游牧民族在连续数代的南征北讨战果中,凝聚了世上最大的陆地帝国。在这一连串征战过程中,蒙古人曾与中古时期的许多亚欧国家交手,几乎攻无不克。其帝国可以说是完全建立在军事征服的基础之秋季喝什么茶好 4款秋季滋润茶饮
秋季喝什么茶好 4款秋季滋润茶饮时间:2022-05-17 12:10:34 编辑:nvsheng 导读:秋冬天气来袭,干燥的天气不但令皮肤缺水,而且更是经常手脚冰冷人士的最大敌人,因此是时候煲一辽宁:省市区12315部门三级联动 优化市场服务环境
中国消费者报沈阳讯(记者王文郁)9月9日,《中国消费者报》记者从辽宁省市场监管局了解到,辽宁省市场监管事务服务中心投诉举报中心近日会同沈阳市市场监管投诉举报中心、浑南区市场监管局召开专题座谈会议,就O爱他美4段怎么冲 4个步骤让新手爸妈不犯难
爱他美4段怎么冲 4个步骤让新手爸妈不犯难时间:2022-05-18 12:09:13 编辑:nvsheng 导读:大家都知道宝宝的主要口粮来于母乳或者配方奶粉,对于宝宝来说母乳自然是黄金口粮之一偷吃有迹可循?男性可能劈腿12征兆
偷吃有迹可循?男性可能劈腿12征兆时间:2022-05-18 12:17:01 编辑:nvsheng 导读:不同于平常的举动,会引起动物的怀疑本能侦探社或是征信社接到最多的案子就是外遇调查,其中委蒲公英有什么用处呢 蒲公英的功效有什么
蒲公英有什么用处呢 蒲公英的功效有什么时间:2022-05-18 12:07:40 编辑:nvsheng 导读:人们一提到蒲公英就会想到蒲公英漫天飘落的美景但是你知道蒲公英除了观赏还有什么作用还有武磊赛后称绝杀球自己没碰到 裁判依然将其算在武磊账下
武磊赛后称绝杀球自己没碰到 裁判依然将其算在武磊账下_越南队www.ty42.com 日期:2021-10-08 03:31:00| 评论(已有305791条评论)秋冬季如何养生 冬季养生小常识
秋冬季如何养生 冬季养生小常识时间:2022-05-17 12:09:18 编辑:nvsheng 导读:现在越来越多人开始注重养生了,养生可以强身健体、延年益寿,对我们的身体有很多好处,秋冬季是养肚皮舞适合什么年龄跳 没有年龄限制
肚皮舞适合什么年龄跳 没有年龄限制时间:2022-05-17 12:10:16 编辑:nvsheng 导读:学习肚皮舞是没有年龄限制的,包括中年人也是可以学的,这是和其它舞种最不一样的地方,经常能