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
89
-
浏览
92
-
获赞
9141
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:利物浦阿森阿德加重金砸向本泽马 维埃拉缺席欧冠之战
国际米兰正在着眼于引进前锋,他们清楚的知道提早动手的必要性。在今晚晚些时候的冠军联赛中,里昂将同佛罗伦萨交手,国际米兰已经派出了一名球探密切注视本泽马的表现。当国际米兰球迷把目光聚焦在周三国际米兰同帕【木马屠城线】国际米兰VS帕纳辛纳克斯前瞻
供稿:梅阿扎的精灵周三晚,我军就要对来自希腊的帕纳辛纳克斯交锋,而在神秘的古希腊,有着许多美丽的传说和动人的故事,今天,精灵就给大家讲讲《木马屠城》又名《特洛伊》)的故事。很久很久以前,在富饶而强盛的西甲直播:皇马VS 巴萨,德比之战,红蓝军团能否击沉银河战舰
西甲直播:皇马VS 巴萨,德比之战,红蓝军团能否击沉银河战舰2022-10-16 12:11:46北京时间10月16日晚上22:15分,2022-2023赛季西班牙国家德比首次交手一触即发,皇马将在主蒙牛获“2015上市公司年度最佳公益实践奖”
9月18日,第四届中国公益慈展会在深圳举行,会上发布了中国极具示范效应的“上市公司年度最佳公益实践榜”。蒙牛凭借“我回老家上堂课”公益项目,从数百家参选国际十大奢侈品牌男装裤子(国际品牌男裤排名)
国际十大奢侈品牌男装裤子国际品牌男裤排名)来源:时尚服装网阅读:1166世界十大顶级男装品牌是哪些?十大奢侈品男装排名为、爱马仕、阿玛尼、普拉达、香奈儿、巴宝莉、博柏利、爱步、路易威登、罗马仕,具体如两个人缘分已尽的说说 缘分已尽感情结束的文案
日期:2023/1/4 8:15:00作者:网友整理人气:0我来评论导读:彼此相爱的两个人最后还是分手收场,只能说有缘无分吧,希望下次遇到的爱情是可以长长久久的爱情呀。 1.人去楼已空,孤心服装设计研究生就业前景如何(服装设计研究生毕业待遇怎么样)
服装设计研究生就业前景如何服装设计研究生毕业待遇怎么样)来源:时尚服装网阅读:803服装设计专业就业前景好不好1、服装设计就业前景是容量无限,前途一片光明。作为中国最具有国际竞争力的产业之一,中国的服阿迪达斯 Ultra Boost 全新升级版释出,更轻更凉爽
潮牌汇 / 潮流资讯 / 阿迪达斯 Ultra Boost 全新升级版释出,更轻更凉爽2020年02月21日浏览:3323 阿迪达斯旗下不断进化的 Ultra BoosNBA勇士历史最佳球员,勇士队历史上最好10 大球员(二)
NBA勇士历史最佳球员,勇士队历史上最好10 大球员二)2022-10-15 16:00:16多年来NBA 发生了巨大的变化,无论是规则的变化、比赛的风格、球队搬到不同的城市还是球队的名字或标志的改变我院援圣多美和普林西比医疗队第2队载誉归来
2018年2月11日上午,由华西医院、西南医科大学附属医院、附属口腔医院、附属中医院共同组队的援圣多美和普林西比简称“圣普”)医疗队第2队班顺利抵达成都双流国际机场。省卫计委领导、我院领导、其他队员所鹊桥二号中继星任务取得圆满成功
国家航天局今天4月12日)发布消息,鹊桥二号中继星已完成在轨对通测试。经评估,中继星平台和载荷工作正常,功能和性能满足任务要求,可为探月工程四期及后续国内外月球探测任务提供中继通信服务,鹊桥二号中继星绮籽品牌简介(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。绮籽江南建设董事局主席赴辽宁鞍山市台安县考察
12月28日,江南建设董事局主席常伟伟一行赴辽宁省鞍山市台安县会见台安县县长马长青,双方就《台安县市政道路维护及新建工程》PPP项目的合作展开深入交流。会谈伊始,常伟伟表示,太平洋建设历经20卡西欧 x Bamford London 全新联名系列腕表发售信息公布
潮牌汇 / 潮流资讯 / 卡西欧 x Bamford London 全新联名系列腕表发售信息公布2020年09月04日浏览:3186 工业风格 GA-900 系列、金属