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
63788
-
浏览
4196
-
获赞
8458
热门推荐
-
绮籽品牌简介(绮籽女装官网)
绮籽品牌简介(绮籽女装官网)来源:时尚服装网阅读:5808绮籽的读音拼音:qǐ 简体部首:纟五笔:XDSK总笔画:11笔顺编码:フフ一一ノ丶一,フ一, 解释:有文彩的丝织品:~罗。纨~。~襦纨绔。绮籽福瑞达医药集团成功协办第三届中国医药工商合作发展论坛
2019年12月19日-20日,第三届中国医药工商合作发展论坛暨山东省医药商会年会在济南成功盛大召开,本届论坛以“新动力、新格局、新发展”为主题,秉持“聚力、合作、发展、共赢”的精神,聚焦时代发展、产梅西说要退役了,内马尔说不再打世界杯……2022这么刺激的吗?(梅西不是退役了吗)
梅西说要退役了,内马尔说不再打世界杯……2022这么刺激的吗?梅西不是退役了吗)_世界杯 ( 世界杯,马尔 )www.ty42.com 日期:2022-12-17 00:00:00| 评论(已有35AMD正设计更灵活的多芯片GPU 或后续用于消费级显卡
目前AMD在2022年12月8日提交的一项新专利目前已经被发现,AMD似乎正在寻求为更广泛的应用小芯片设计,生产更为复杂的多芯片模块GPU。目前越来越多的厂商开始探索多芯片设计以及相关技术带来的优势,中粮各上市公司2016年4月18日-4月22日收盘情况
中粮集团旗下各上市公司2016年4月18日-4月22日收盘情况如下:4月18日4月19日4月20日4月21日4月22日中粮控股香港)06062.522.682.682.912.78中国食品香港)050我的世界机械动力模组电子管有什么用
我的世界机械动力模组电子管有什么用36qq10个月前 (08-16)游戏知识75深圳与三城市签约“药品上市许可持有人”监管合作
中国消费者报深圳讯记者黄劼)6月28日,深圳市市场监管局联合浙江省丽水市、广东省云浮市、中山市三地市场监管部门在签订“药品上市许可持有人”英文为Marketing Authorization Hold采供维保部举办医学装备管理论坛暨培训
2011年10月29日,采供维保部召开了“医院管理论坛暨培训会”,此次会议是在医院推进“三级综合医院评审”,深入开展“三好一满意&rdqu全满贯!法国集齐四大冠军头衔 欧洲杯折戟后正名
全满贯!法国集齐四大冠军头衔 欧洲杯折戟后正名_决赛www.ty42.com 日期:2021-10-11 06:01:00| 评论(已有306286条评论)无限极荣获希望工程“突出贡献者”认可
近日,由共青团中央、中国青少年发展基金会举办的“托起明天的太阳—希望工程实施30周年报告会”在北京举办。无限极作为支持“希望工程”的爱心企业之一,获邀出席活动并获颁“突出贡献者”认可。“希望工程”是由市场监管行风建设在行动|江西上饶:“一申即转”跑出企业迁移加速度
中国消费者报南昌讯梁铜记者朱海)为进一步落实打造“可比浙江、全国一流”的营商环境要求,江西省上饶市市场监管局不断深化市场监管领域行风建设,主动梳理、破解企业迁移中的痛点难点问题,激发市场主体活力,为上《缉私警察》双面谍成就怎么完成
《缉私警察》双面谍成就怎么完成36qq10个月前 (08-16)游戏知识75分析师:黄金中期上涨趋势已被破坏,需要时间重燃涨势
汇通财经APP讯——黄金今年表现出色,创下每盎司2790美元的历史新高,从2月份的低点上涨了40%以上,但一位分析师表示,中期上涨趋势已被破坏,宏观经济因素可能需要一段时间才能重新点燃黄金的涨势。OA守护安全从“头”开始 广西河池市开展头盔质量安全专项执法行动
中国消费者报报道记者顾艳伟)“执法行动将持续到今年10月份,将劣质头盔清理出市场。”7月3日至4日,广西壮族自治区河池市市场监管局以落实《摩托车、电动自行车乘员头盔》GB 811-2022)新国标为契《缉私警察》革命者成就怎么完成
《缉私警察》革命者成就怎么完成36qq10个月前 (08-16)游戏知识67