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
5672
-
浏览
8
-
获赞
9519
热门推荐
-
国家食品安全示范城市省级复审组对西安市新城区现场检查
中国消费者报西安讯石明明记者徐文智)9月6日,国家食品安全示范城市省级复审食品经营验收组对陕西省西安市新城区国家食品安全示范城市创建复审工作进行现场验收检查。复审组一行来到西安粮油批发市场,对照食品批张伟常务副院长深入眼科调研,切实提高患者满意度
为了深入开展党的群众路线教育实践活动,2013年8月27日,张伟常务副院长走访分片联系的眼科病房召开科室民主管理生活会,并针对门诊患者挂号难问题,围绕提高患者满意度广泛调研,听取意见进行专题座谈。会上一只靴子已经落地!今日煤价下降步伐转快,实际降幅远不止于此
今天,港口市场煤价下降的步伐开始加快,单吨最高降幅已近10元!年后,港口煤市曾出现过短暂上行行情,但自2月26日起市场转入下行通道,至今天已经超过半个月的时间了,虽然每天都在降价,但是煤价总体降幅并不乃比江社媒报平安:目前稍微缓过来了点,会继续为了国安战斗
7月8日讯今天,国安球员乃比江在社媒向大家报了平安。昨晚国安与三镇的比赛中,乃比江争抢头球时头部被顶伤,伤后出现意识不清,半昏迷状态。经120紧急送往医院后,乃比江接受了输液治疗,脑损伤症状也慢慢缓解《超人》电影首曝剧照 超人和超级狗小氪温馨亮相
新版《超人》编剧兼导演詹姆斯·古恩James Gunn)确认,大家最喜欢的超级狗将上大银幕,这对漫画迷和爱狗人士来说将是个好消息。当地时间周二,古恩在社交媒体上宣布超人的忠实超级狗“小氪Krypto)迎接医院年度评价 腹部肿瘤科以“知识问答”形式加强学习
目前正值医院年度评价的最后冲刺阶段,为了让科室全体工作人员更有效的掌握医院评审相关知识,腹部肿瘤科利用晨交班时间,以“知识问答”形式加强学习。“知识问答”题库主要从《医院评审知识问答手册》选取,每日抽阿布拉汗晒三镇合照:一场不容易的胜利,希望总是靠汗水创造
7月8日讯中超联赛第18轮,武汉三镇客场2-1击败北京国安。赛后,三镇球员阿布拉汗发文庆祝胜利。阿布拉汗在个人微博中晒出了多张全队合照,并写道:一场不容易的胜利,希望总是靠汗水创造,这个集体凝聚在一起达芙妮加盟,达芙妮加盟店需要加盟费吗
达芙妮加盟,达芙妮加盟店需要加盟费吗来源:时尚服装网阅读:880什么牌子的女鞋比较时尚?1、、百丽BELLE女鞋:中国著名牌号,中国名牌,国家免检产品,女鞋品牌前十大名次。2 、TATA女鞋:百丽BEKAPITAL 全新 Katsuragi Kola 手工棒球帽系列上线,古着质感
潮牌汇 / 潮流资讯 / KAPITAL 全新 Katsuragi Kola 手工棒球帽系列上线,古着质感2020年02月15日浏览:4343 在发布了中国功夫主题的atmos x 新百伦全新联名 2002R 鞋款上架
潮牌汇 / 潮流资讯 / atmos x 新百伦全新联名 2002R 鞋款上架2022年05月24日浏览:2794 经过了短暂预告,这边日本潮流鞋铺 atmos与新百伦atmos x 新百伦全新联名 2002R 鞋款上架
潮牌汇 / 潮流资讯 / atmos x 新百伦全新联名 2002R 鞋款上架2022年05月24日浏览:2794 经过了短暂预告,这边日本潮流鞋铺 atmos与新百伦Salehe Bembury x Crocs 联名鞋款“Sasquatch”配色曝光
潮牌汇 / 潮流资讯 / Salehe Bembury x Crocs 联名鞋款“Sasquatch”配色曝光2022年05月29日浏览:2535 跟此前发售的鲜艳色调007 x 阿迪达斯联乘鞋款上脚图首次曝光,邦德同款!
潮牌汇 / 潮流资讯 / 007 x 阿迪达斯联乘鞋款上脚图首次曝光,邦德同款! 2020年02月22日浏览:3390 近日,Adidas与 007 联乘Ultra B全面暴跌,煤价“昙花一现”后“满地鸡毛”
今日坑口煤价继续下跌,神华高栏港和陕北煤炭集团的线上竞拍全部出现了大面积的流标。另据市场传言:神华近日将大幅下调收购价,降幅至少在30元/吨以上。近期产地煤矿产能快速恢复,而下游需求疲软。严重的供大于记者:国米持续与埃尔莫索接触,在竞争中领先于那不勒斯
7月8日讯 据记者Orazio Accomando透露,国米持续与埃尔莫索接触,目前在争夺战中领先于那不勒斯。马竞中卫埃尔莫索的合同今夏到期,成为一名自由球员,根据此前媒体的报道,国米有意免签这位29