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
7
-
浏览
578
-
获赞
36656
热门推荐
-
利物浦本赛季已吃到5张红牌,全英超最多
2月5日讯 英超第23轮焦点战,利物浦客战阿森纳,比赛第87分钟,科纳特两黄变一红,被罚下场。据统计,利物浦本赛季共吃到了5张红牌,是英超所有球队中最多的。科纳特第一黄↓科纳特第二黄↓标签:利物浦阿森CLOT x 耐克 x MEDICOM TOY 联名“蓝丝绸”BE@RBRICK 套装公布
潮牌汇 / 潮流资讯 / CLOT x 耐克 x MEDICOM TOY 联名“蓝丝绸”BE@RBRICK 套装公布2020年06月06日浏览:8581 除了早前的白丝集团制定实施战略性人力资源规划
集团制定实施战略性人力资源规划 2007-11-02 为了中粮家佳康陪伴国家队运动员春节安全备战
2月16日,中粮家佳康作为“体育·训练局国家队运动员备战保障产品”和“中国国家举重队肉类食品供应商”,携手国家体育总局训练局,用安全壕!德转:纽卡新老板能买两千多个姆巴佩或哈兰德
壕!德转:纽卡新老板能买两千多个姆巴佩或哈兰德_英超www.ty42.com 日期:2021-10-09 11:01:00| 评论(已有306057条评论)二级结构工程师好考吗(二级结构工程师含金量)
二级结构工程师好考吗二级结构工程师含金量)来源:时尚服装网阅读:6382017年二级注册结构工程师考试难吗1、二级结构工程师在所有土建类证中,算是最难的。2、您要问的是二级结构工程师考试难度吗?大。根Nike LeBron 3 PE 战靴即将市售,中国队配色?
潮牌汇 / 潮流资讯 / Nike LeBron 3 PE 战靴即将市售,中国队配色?2020年06月02日浏览:2699 去年詹姆斯经典战靴 LeBron 3 复刻,广西太平洋建设召开人事及文品团队专项会议
8月4日,广西太平洋建设2017年年中人事及文品团队专项会议在广西太平洋第一建设集团桂林机关召开。广西太平洋建设董事局主席钱光余出席会议并做工作部署。各下属集团人事及文品负责人齐集一堂,共同分记者:国足2丢球都与防线调整有关 李铁选人问题已暴露
记者:国足2丢球都与防线调整有关 李铁选人问题已暴露_王刚www.ty42.com 日期:2021-10-08 09:31:00| 评论(已有305865条评论)苏商集团领导赴吉林省延边朝鲜族自治州考察
8月7日至11日,苏商集团CEO左帆、总工梁朝晖一行赴吉林省延边朝鲜族自治州展开为期五天的考察之旅,深耕全州多地市场,助推集团战略落地。周知!这些都属于霸王条款
“清仓商品不支持7天无理由退换货”“对游戏内容及本协议内容的最终解释权归公司所有”旅游团“退团一律不退费”…&he极棒开启AI挑战 全球寻找顶级语音合成“机械师”
新的技术究竟是推动了安全的发展,还是衍生了更多的威胁?在人工智能异常火爆的大环境下,各种生物识别技术的应用已经越来越广泛。声纹识别作为生物识别领域很重要的识别方式,已经逐渐渗透到人们的日常生活:借助声AJ1 LOW 鞋款全新巴黎城市主题配色即将登陆
潮牌汇 / 潮流资讯 / AJ1 LOW 鞋款全新巴黎城市主题配色即将登陆2020年02月14日浏览:4422 借势高帮 Air Jordan 1 的超高人气,Air苏商集团领导赴吉林省延边朝鲜族自治州考察
8月7日至11日,苏商集团CEO左帆、总工梁朝晖一行赴吉林省延边朝鲜族自治州展开为期五天的考察之旅,深耕全州多地市场,助推集团战略落地。苏商五集团董事局主席前往广西防城港市考察
2月9日,苏商第五建设集团董事局主席刘海峰一行应广西防城港市物流园区管理委员会邀请前往防城港市参加会谈,防城港市物流园区管理委员会副主任许华樑予以接待,双方进行友好交流。 会谈在苏商集团宣传片播放中