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
5
-
浏览
1322
-
获赞
73429
热门推荐
-
黑龙江省深入推进食品安全风险排查整治专项行动
中国消费者报哈尔滨讯记者刘传江)随着中秋节、国庆节的临近,为扎实推进限上餐饮业经营者入统工作及中小学“学生餐”突出问题专项治理工作,持续深化“防风险、保安全、迎大庆【江湖数据】本周山西市场煤价有何变化
据煤炭江湖了解,本周山西晋北区域市场情绪走弱,受港口市场煤价继续下调以及贸易商拉运放缓的影响,煤矿出货节奏下降,对应价格也是承压下行。今日大同6000卡动力煤车板价为780元/吨,忻州5000卡动力煤打击整治养老诈骗专项行动|江苏无锡:老人花12万余元买保健品 市场监管局助力获退款
中国消费者报报道记者薛庆元)8月16日中午,一阵急促的电话铃声响起——电话那端是江苏省无锡市人民来访接待中心的工作人员,她表示有一位老人冒着高温来到接访中心求助,希望无锡市梁溪区市场监管局能给予其帮助HAVEN 全新 Catalyst Boot 鞋款系列开售,两色可选
潮牌汇 / 潮流资讯 / HAVEN 全新 Catalyst Boot 鞋款系列开售,两色可选2021年12月25日浏览:3180 来自加拿大的潮流名所 & 潮卡哇伊新战靴 New Balance Kawhi 首次曝光,手掌纹理抢镜
潮牌汇 / 潮流资讯 / 卡哇伊新战靴 New Balance Kawhi 首次曝光,手掌纹理抢镜2020年02月17日浏览:4453 卡哇伊刚刚拿到了全明星“Kobe屹峰建设董事局主席应邀赴海南省文昌市考察
3月3日,屹峰建设董事局主席赵怀良一行应邀赴海南省文昌市考察,文昌市委书记陈笑波,市委副书记、市长、市党组书记王晓桥,市委常委、文城镇委书记徐健超等领导予以接待,双方进行友好会谈。 赵怀良表示,太平鲁媒:黄博文将加入泰山队教练组
6月19日讯 据山东体育休闲频道报道,前国脚黄博文将加入泰山队教练组,辅佐主教练崔康熙。鲁媒称,据有关消息报道,黄博文即将加盟山东泰山教练组。黄博文于2023年正式宣布退役,他将在接下来的比赛中辅佐韩网友吐槽山西一景区女厕装有读秒计时器,景区回应
4日,一网友发布视频吐槽,称在山西大同云冈石窟发现,景区女厕装有计时器,“这也太崩溃了”。视频显示,每个厕所隔间的门上,都装有电子显示屏,有的显示绿色小人、无人,有的则显示红色绮籽品牌简介(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。绮籽鲁媒:黄博文将加入泰山队教练组
6月19日讯 据山东体育休闲频道报道,前国脚黄博文将加入泰山队教练组,辅佐主教练崔康熙。鲁媒称,据有关消息报道,黄博文即将加盟山东泰山教练组。黄博文于2023年正式宣布退役,他将在接下来的比赛中辅佐韩英超十大谜题:欧文能否雄起 蓝军重夺英超冠军?
9月12日报道:国际比赛日令英超暂时停摆,声威大报《卫报》名记罗布-巴格奇撰写评论员文章“英超残局成绩比答案多。”文章列出十大谜题等候工夫给出答案。欧文尚能饭否?强势引援的切尔西能否重夺英超冠军?这些国网承德县供电公司:冷库温度正常了
6月26日,承德县五道河乡建厂村食用菌基地的冷库大棚,经过国网承德县供电公司三沟供电所李海洋、梁永新二人半个小时的故障排除,十几分钟后,冷库内的温度一度一度降了下来,逐渐回到了食用菌正常保鲜温度。&l《蜘蛛侠4》官宣定档2026年7月 《尚气》导演执导
索尼影业官宣《蜘蛛侠4》电影将于2026年7月24日上映,和外界预测一致,将由《尚气》导演Destin Daniel Cretton执导。Cretton在离开《复仇者联盟5》电影项目后,由罗素兄弟接手70平方的时尚服装店,70平方米的服装店设计图
70平方的时尚服装店,70平方米的服装店设计图来源:时尚服装网阅读:803我想开家大概70平的服装店想问下需要安装什么样的空调?平米的店铺,具体要看密封保温条件及高度如何了,正常情况下应安装一台五匹或蓝军双星恢复训练 卡希尔立志回三狮首发
世预胜事先,英超将在本周末重燃烽烟,切尔西将客场应战德比对手女王公园巡游者。《天空体育》周三指出,两名后防大将特里和阿什利-科尔曾经恢复轻量练习,有望参与这场颇具看点的比赛。由于在对摩尔多瓦的首轮世预