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
62227
-
浏览
9
-
获赞
6
热门推荐
-
The Letters 发布 2020 春夏系列型录,当代西方情怀
潮牌汇 / 潮流资讯 / The Letters 发布 2020 春夏系列型录,当代西方情怀2020年02月25日浏览:3084 日前,由设计师向田雄一主理的 The江西空管分局召开华东空管局党委第一巡察组巡察动员会
根据华东空管局党委对巡察工作的统一部署,2019年10月15日下午,江西空管分局召开华东空管局党委第一巡察组巡察江西空管分局工作动员会。华东空管局纪委办主任孙德秦、第一巡察组全体成员,分局党委班子全体湖南空管分局迎来内蒙古空管分局业务交流代表团
通讯员余知晓报道:2019年10月14日,湖南空管分局迎来来自大草原的内蒙古空管分局业务交流代表团一行六人。湖南空管分局于2017年3月启用二跑道、11月启用新管制业务楼,而内蒙古空管分局预计2022重庆空管分局技术保障部团总支组织欢迎新员工座谈会
2019年10月11日,重庆空管分局技术保障部团总支欢迎2019届新员工座谈会,在终端小区第五会议室举行,部领导、各科室负责人、总支团干参加了座谈会,促进新员工尽快融入技术保障部这个大家庭。首先201华商储备商品管理中心再次向市场投放中央储备肉
根据商务部、发展改革委、财政部和中国农业发展银行的通知要求,2016年1月22日,华商储备商品管理中心再次组织实施了出库竞价交易。此次交易挂牌中央储备冻猪肉总量1.26万吨, 提货库点为浙江华统肉制品专题培训促交流 精诚合作保安全—记重庆空管分局管制部与江北机场飞行区管理部交流活动
金秋十月,正值空管系统防跑道侵入安全教育月,为进一步提高运行保障效率,共创友邻单位间的高效联动,10月24日,重庆空管分局管制运行部总工程师屈江勇率队前往机场集团飞行区管理部,与飞管部的领导及员工们开历朝皇帝只一个“祖”:为何明朝有俩清朝有三
在中国古代的皇帝谥号中,凡开创者都称祖,凡守业者都称宗。自汉以后历朝开国皇帝都称“祖”,如汉高祖刘邦、唐高祖李渊、宋太祖赵匡胤。“祖”以后都称“宗”,如太宗、高宗等等。网络配图明有太祖朱元璋,明第三帝携手促交流 共保跑道安全——重庆空管分局管制室与重庆机场集团飞管部组织开展交流活动
为积极推进防止跑道侵入工作建设,加强与机场友邻单位交流合作,10月17日上午,由重庆空管分局塔台管制室主任屈江勇和书记杨宁带队,塔台一行六人前往江北国际机场集团飞行区管理部开展业务交流活动,飞行区管理整顿网络经营乱象 北京丰台强化电商企业监管
中国消费者报北京讯徐艳记者董芳忠)近年来,网络电商经营领域乱象日益突出,网络消费纠纷大幅增多,已经成为广大消费者反映强烈、民生领域堵点之一。为切实维护广大消费者合法权益,确保为民办实事早见效、见实效,纪晓岚:妻妾成群最小13岁 堪称韦小宝第二
历史上的纪晓岚其貌不扬,高度近视,而和珅 却是一代美男子。据史记载,纪晓岚比和珅大26岁,两人政见不同,也常常在诗文中互相讥讽,但在政坛,无有很多交锋。关于纪晓岚的电视电影已经有很多了,但是我们看到的黄山机场正式启用电子临时乘机证明验证服务
乘机忘带身份证了怎么办?以往机场工作人员会告知旅客,在机场公安出具临时乘机证明,可替代身份证在乘机过程中使用。为提升整体服务品质,给旅客提供方便快捷的服务,黄山机场近日在值机柜台和安检通道安装了临时乘江西空管分局团委组织开展“我与祖国共奋进——国旗下的演讲”特别主题团日活动
江西空管分局团委组织开展“我与祖国共奋进——国旗下的演讲”特别主题团日活动9月26日,江西空管分局团委为隆重庆祝中华人民共和国成立70周年组织团员青年开展“我与祖国共奋进——国旗下的演讲”提别主题团日樱花粉 Air Max 270 React ENG 鞋款上脚美图赏析
潮牌汇 / 潮流资讯 / 樱花粉 Air Max 270 React ENG 鞋款上脚美图赏析2020年02月21日浏览:4464 自诞生以来,Air Max 270以安全为中心 以青春为动力
回顾第一周岗前安全教育和管制基础理论相关培训,2019年新员工树立了牢固的安全意识,充分了解了江苏空管分局各项行政规章。为帮助新员工尽快熟悉南京塔台管制区域、环境、特点、程序和协议,熟悉塔台管制室相关综合提升 加强监管 支持中心 助力军运——武汉天河机场飞行区管理部运行监控室军运保障侧记
第七届军运会给武汉天河机场机坪增加保障压力,在领导的带领下,机场飞行区机坪管理单位上下一心,持续提升飞行区窗口形象,营造整洁的运营环境,为打赢军运会保障这场硬仗全力以赴。此文记录这群军运保障背后群体所