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
53
-
浏览
37665
-
获赞
54
热门推荐
-
上届冠亚军出局!塞内加尔止步非洲杯16强,埃及也遭点球淘汰
1月30日讯 非洲杯1/8决赛,科特迪瓦点球6-5塞内加尔进8强,而卫冕冠军塞内加尔则止步非洲杯16强。上届非洲杯,塞内加尔点球大战4-2击败埃及,夺得队史首座非洲杯冠军。值得一提的,上届非洲杯亚军埃雄狮有几个配偶 它就像古时候的帝王(雄狮为什么有这么多配偶)
不知道大家有没有这种感觉,雄狮外形上比老虎更显王者风范。它们就像是古代时期的帝王,也同样有着后宫三千佳丽。雄狮在草原上是群居生活的,一般情况下,一头雄狮带领着一帮的狮群,雄狮就是这个团队中的领导。那么虎皮鹦鹉怎么分辨雌雄?原来鼻子上的膜蜡才是关键
解答:虎皮鹦鹉分辨雄雌的最主要方法,就会看嘴壳和头部相连的膜蜡,在幼年期时,雌性的膜蜡是桃红色或全白,而雄性的鼻子虹膜则泛蓝,成年后的雌性变黄,而雄性变淡蓝色,发情后,雄性会变深蓝,雌性变深褐色。虎皮中铁装备集团:由“制造”走向“创造”
盛夏7月,郑州市下穿中州大道隧道工地,两台三层楼高的矩形盾构机正准备再次“潜入”地下。中国中铁工程装备集团有限公司董事长李建斌指着盾构机说:“用这个大家伙打隧道,不仅能避免城市主干道‘开膛破肚’,还西媒质疑梅西为何没免费留队 他本愿接受更低报价
西媒质疑梅西为何没免费留队 他本愿接受更低报价_巴萨www.ty42.com 日期:2021-10-12 07:31:00| 评论(已有306466条评论)生命之岛中文版,生命之岛:一场寻找自我与意义的冒险
生命之岛中文版是一款非常有趣的冒险探索游戏,在岛屿上展开各种有趣的冒险挑战,获得更多的游戏奖励,游戏简单易上手,画面高清精美。生命之岛:一场寻找自我与意义的冒险你是否想过,生命就像一座孤岛,每个个体在国电集团:走出转型升级新路
当前,电力行业面临的国内外经济形势发生重大变化,市场竞争日趋激烈。作为央企的国电集团,要全面深化改革,积极探索转型升级新路。加快转型升级,是中央企业面临的一场深刻变革。只有勇于担当、主动作为、攻坚克英伟达成台积电第二大客户 为台积电贡献了11%的收入
根据金融专家Dan Nystedt的预测,英伟达在2023年为台积电贡献了11%的收入。苹果是台积电在提交给美国证券交易委员会的文件中称为“客户 A”的公司,去年为台积电贡献了25%的收入,为其带来了carven和之禾哪个高档(之禾什么品牌)
carven和之禾哪个高档(之禾什么品牌)来源:时尚服装网阅读:3091谁是凶手沈雨穿的风衣牌子?1、谁是凶手风衣品牌是Dior。谁是凶手,剧情越看越上头,全员演技在线,但最吸引我的还是颖宝的穿搭,知最新数据显示 iPhone中国销量大跌24%华为大涨64%
今天新消息,根据市场调研机构Counterpoint Research最新公布的中国智能手机市场每周销量追踪报告显示,2024年前六周中国智能手机市场整体销量与去年同期相比下跌了7%,其中苹果同比大跌赛尔号雷伊什么时候出现,赛尔号雷伊何时现身?揭秘游戏中最神秘的存在!
赛尔号第二季第30集雷伊首次登场。赛尔号于2009年8月7日出现,雷伊是赛尔号2011年7月之前的精灵三巨头雷伊、盖亚、卡修斯)之一。赛尔号雷伊何时现身?揭秘游戏中最神秘的存在!自赛尔号面世以来,无数自己深夜街头的伤感文案 一个人深夜在街头的心情语录
日期:2021/9/13 8:33:00作者:网友整理人气:0我来评论导读:深夜一个人本来就会觉得很难过很伤感,当深夜一个人在街头的时候就会莫名的感觉到难过和伤感,自己深夜街头的伤感文案分享给大家呀。巴西前瞻:力争世预赛9连胜 内马尔欲比肩梅西贝利
巴西前瞻:力争世预赛9连胜 内马尔欲比肩梅西贝利_比赛www.ty42.com 日期:2021-10-07 12:31:00| 评论(已有305747条评论)dnf国服第一红眼,从零到英雄:DF国服第一红眼的传奇之路
地下城与勇士国服第一红眼是旭旭宝宝。旭旭宝宝是地下城与勇士游戏中的一名玩家,其红眼角色装备流派为攻速出血流,搭配了6件完美自定义史诗装备。旭旭宝宝在游戏中投入了大量的时间和金钱,全身增幅17,项链增幅五湖建设一集团领导拜访广东省汕尾市水务局长
5月29日,五湖建设一集团董事长李扬拜访广东省汕尾市水务局长黄宝俊,双方进行友好交流。 李扬表示,太平洋建设在政策优势与内生动力的双重推动下,逐步强化基础设施全产业链布局,重点加大对水利