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
94
-
浏览
5399
-
获赞
45
热门推荐
-
李铁:全队上下出战欲望强烈 相信表现超越前两场
李铁:全队上下出战欲望强烈 相信表现超越前两场_比赛www.ty42.com 日期:2021-10-06 23:31:00| 评论(已有305678条评论)客队后防堪忧 欲保2金身
北京工夫1月30日周三)凌晨3点45分,2012/13赛季英格兰足球超级联赛第24轮展开多场抢夺,其中一场焦点战由联赛排名第二的曼城作客应战副班长女王公园巡游者。此役曼城蒙受中卫危机,队长孔帕尼因小腿急诊科邀请Thomas Jefferson大学马新亮教授进行学术交流
6月26日至6月27日,我院急诊科邀请美国Thomas Jefferson大学急诊医学系研究中心主任马新亮教授进行了为期两天的学术交流。 6月27日上午10:00,马新亮教授在急诊示教室向全科医护人骚粉 SB Dunk Low“Pink”配色鞋款曝光,视觉感讨喜
潮牌汇 / 潮流资讯 / 骚粉 SB Dunk Low“Pink”配色鞋款曝光,视觉感讨喜2020年11月25日浏览:2953 作为今年当之无愧的鞋圈王者,Dunk 系Aimé Leon Dore 2020 春夏系列 Lookbook 赏析~
潮牌汇 / 潮流资讯 / Aimé Leon Dore 2020 春夏系列 Lookbook 赏析~2020年02月20日浏览:2905 在释出了新百伦 2020 全新10球!因西涅成队内第三射手 奔袭半场轰无解世界波
10球!因西涅成队内第三射手 奔袭半场轰无解世界波_进球www.ty42.com 日期:2021-07-03 07:01:00| 评论(已有288814条评论)欧米茄手表价格官网,欧米茄手表价格官网情侣表
欧米茄手表价格官网,欧米茄手表价格官网情侣表来源:时尚服装网阅读:1122正品欧米茄手表报价是多少?这一omega欧米茄星座系列的手表是女士石英表,是2009年的经典款,它在万表网上的价格是15210史上最长双十一来了!今年电商购物节10月14日开启:提前10天
快科技10月10日消息,每年最重要的两个电商购物节分别是618和双十一。据爆料,2024年双十一购物节将于10月14日晚提前开启,打破历史记录,成为周期最长的双十一。资料显示,此前2022年、2023波切蒂诺教练收到了切尔西董事会的最后通牒。
波切蒂诺教练收到了切尔西董事会的最后通牒。如果他无法帮助球队赢得下赛季欧洲赛事门票,他很有可能被解雇。在球队以2比4输给狼队后,波切蒂诺面临巨大压力,球迷们强烈要求解雇他 。 切尔西董事会的一些成员也郭明錤透露iPhone 16生产情况:标准版没有太大起色
郭明錤透露,iPhone 16标准版和16 Plus的需求相较去年没有太大起色。这似乎说明,升级幅度有限的标准版iPhone 16系列对消费者没有太强的吸引力。iPhone 16系列手机已经发布一个月江西6批次食品抽检不合格
中国消费者报南昌讯熊铮记者朱海)3月25日,江西省市场监管局发布通告,该省抽检发现餐饮食品、饮料、酒类等共6批次食品不合格,涉及微生物污染、食品添加剂和质量指标等问题。据悉,江西省市场监管局近期组织对荣耀Magic3影像领先苹果13,首张对比样张揭秘超越苹果的底气
手机高端市场步入2021年,厂商这之间的竞争逐渐白热化,特别在用户最为看重的影像方面,一直是高端玩家着重发力的领域。下半年手机市场终于迎来两大重磅机型,一款是被行业称为接棒华为Mate50的荣耀Mag中粮各上市公司2016年7月18日-7月22日收盘情况
产地跌势放缓,煤价开始回稳
今日产地市场维稳运行,整体煤炭供应较为稳定。节后市场情绪多以观望为主,贸易商及煤厂拉运积极性一般,产地煤矿销售平淡,煤矿整体价格以稳居多,部分煤矿小幅下跌,现阶段需求端释放仍不明显,下游操作谨慎多以观上海:生姜、豇豆等3批次食品不合格
中国消费者报上海讯记者刘浩)近日,上海市市场监督管理局公布2021年第18期省级食品安全抽检信息。结果显示,有3批次食品不合格,涉及生姜、豇豆以及大排猪里脊。据了解,本次抽检信息涉及7大类食品,包括粮