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
31361
-
浏览
575
-
获赞
74
热门推荐
-
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,“视频生成模型到底懂不懂物理规律”受到热议,但业界一直未有研究证实。近日,字节跳动豆包大模型团队公布最新论文,研究历时8个月,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明星带货频翻车,音乐界老炮儿出马竟然行业Top1?
明星带货频翻车,音乐界老炮儿出马竟然行业Top1?2019-11-11 15:55:09 来源:大众娱乐网 责任编辑: liyu《再登猫晚舞台,霸总张艺兴任性宠溺Honey》
《再登猫晚舞台,霸总张艺兴任性宠溺Honey》2019-11-13 15:10:33 来源:大众娱乐网 责任编辑: saisai是什么治愈了尤长靖的敏感小洁癖?
是什么治愈了尤长靖的敏感小洁癖?2019-11-07 13:07:47 来源:大众娱乐网 责任编辑: liyu《adidas Archive》鞋款书籍即将上架,收录 357 鞋履
潮牌汇 / 潮流资讯 / 《adidas Archive》鞋款书籍即将上架,收录 357 鞋履2020年02月22日浏览:3560 近日,德国出版商 TASCHEN 推足球官网国内足球新闻,足球新闻头条今日
“他汉尼拔·梅杰布里)做了我们带来他上场)的工作海内足球消息,发生了影响并带来了能量“他汉尼拔·梅杰布里)做了我们带来他上场)的工作海内足球消息,发生了影响并带来了能量。他胜陈欣予受邀出席上海时装周闭幕秀 国潮盛宴变身超A酷女孩
陈欣予受邀出席上海时装周闭幕秀 国潮盛宴变身超A酷女孩2019-10-18 11:08:05 来源:大众娱乐网 责任编辑: saisai冯提莫,一个新时代的明星
冯提莫,一个新时代的明星2019-10-21 16:25:10 来源:大众娱乐网 责任编辑: saisai阿迪达斯 Superstar 女生专属蛇纹鞋款系列开售,华丽野性范儿
潮牌汇 / 潮流资讯 / 阿迪达斯 Superstar 女生专属蛇纹鞋款系列开售,华丽野性范儿2020年02月17日浏览:3454 为迎接贝壳头诞生 50 周年,从去年足彩竟猜网最新足球赛事时间表
据雅虎体育日本站等日本媒体报道,效力于浦和红钻的日本国脚中卫槙野智章拒绝了广州恒大的邀请,下赛季会继续留在球队并为亚冠冠军而努力据雅虎体育日本站等日本媒体报道,效力于浦和红钻的日本国脚中卫槙野智章拒绝今日足球中国国家足球队赛程今天足球比分足球网站在线观看
作为一个很少甚至不看足球的篮球迷,怎么样做才能让人觉得你懂球呢?接下来我将会通过一些问答环节带大家了解一些比较基本的规则足球网站在线观看作为一个很少甚至不看足球的篮球迷,怎么样做才能让人觉得你懂球呢?足彩加官网足球带球过人技巧
北京时间9月13日晚上9点,中国足球传来突发消息足彩加官网足彩加官网,针对山东泰山即将对阵青岛海牛,山东媒体《泰山队报》做出最新报道,泰山队阵容完整,目标双杀青岛海牛,这样的情况对于泰山队来说,显然是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吴亦凡减肥3个月…近照崩坏!凸肚绷开西装
吴亦凡减肥3个月…近照崩坏!凸肚绷开西装2019-10-17 17:07:53 来源:大众娱乐网 责任编辑: lyz086球探即时指数看足球比赛的app罗马足球最新新闻
球探)专注于古诗词赏析和研讨,供给现代典范古诗原文和赏析,包罗唐诗三百首、宋词精选、元曲精选、写景的古诗、咏物诗、节日古诗、现代抒怀诗、送别诗、恋爱古诗、春季诗句、炎天诗句、秋日诗句、送别诗句、思乡诗