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
181
-
浏览
5761
-
获赞
9
热门推荐
-
国家食品安全示范城市省级复审组对西安市新城区现场检查
中国消费者报西安讯石明明记者徐文智)9月6日,国家食品安全示范城市省级复审食品经营验收组对陕西省西安市新城区国家食品安全示范城市创建复审工作进行现场验收检查。复审组一行来到西安粮油批发市场,对照食品批小小民航人——童梦起航
中国民用航空网通讯员高佳伟讯:3月5日,图木舒克机场首次保障“小小民航人”飞行活动体验。本次儿童团队共25人,乘坐华夏航空G54403图木舒克11:35出发,由G544他小小年纪计谋令曹操感到害怕 最后英年早逝
曹操是个多子的人,共有二十五个儿子,其中比较出名的是这几位:文皇帝(曹丕)、任城威王曹彰、陈思王曹植、丰愍王曹昂、邓哀王曹冲。曹冲并不如曹植和曹丕那么出名,但是曹冲却是曹操儿子中最聪明的一个,“少聪察水火无情人有情,深圳塔台保障深汕合作区消防救援顺利飞行
文/图 马可)3月7日中午11:21,深圳空管站收到临时飞行申请,深汕合作区发生火灾,深圳市南头中信海直需要紧急出动一班直升机救援飞行,支援当地消防工作。深圳塔台立即启动通报协调程序,将应急救援飞行计优衣库 UT 全新 THE BRANDS MASTER PIECE 系列首波单品公布
潮牌汇 / 潮流资讯 / 优衣库 UT 全新 THE BRANDS MASTER PIECE 系列首波单品公布2020年02月20日浏览:3558 每一季 UNIQLO阿克苏管理公司与航空货运代理商召开物流提升座谈会
中国民用航空网通讯员张兴俊讯:近日,阿克苏管理公司与驻场货运代理召开了物流工作提升座谈会。阿克苏管理公司领导、阿克苏机场货运部主管以及5家货运外包单位负责人参加了座谈会。 双方就当前阿克苏地古人去世嘴里都会含东西 其中慈禧嘴里的最值钱
现如今,家里有亲人去世一般尽可能快的送去火葬场,但在古时候,通常要在家里放上三天,不仅供亲人再多怀缅一会,也为了将其举办最后的仪式。而这三天里,有一项工作就是为在口中塞东西,俗称压舌。但根据逝者的身份共学、共建、共享——贵州空管分局党委办公室党支部与航管雷达党支部开展联合主题党日活动
为充分发挥支部组织建设互促、理论学习互助、党员干部互动的优势,2023年3月1日,贵州空管分局党办党支部与技术部党总支航管雷达党支部联合开展主题党日活动。会上,党委办公室党支部和航管雷达党支部的支部书美元飙升给全球市场带来压力,涨势能否延续?
汇通财经APP讯——受美联储不愿降息的提振,美元继续飙升。美元强势给股市和全球经济带来了严峻的挑战。美元的攀升是一种可持续的优势,还是会给市场带来风险?鲍威尔为何保持利率不变?美联储主席鲍威尔最近重申最不失败的失败者隋炀帝 文武全才的大帅哥杨广
胜者为王,败者是寇。历史总是由胜利者站在失败者的尸体上,用显微镜仔细寻找他以前的斑斑劣迹。因色弑父,骄淫残暴的罪行就永远被自己的老表李渊定在了历史的耻辱台上。【帅】不帅不是自己吹的,唐朝的《隋书·炀帝提升能力 保障安全 适应后疫情新形势
——宁夏空管分局组织召开管制带班主任能力提升专题研讨会 为适应后疫情时代的新形势,加强现场管理能力,落实民航局空管局第七次周例会精神,3月1日,塔台、进近、运管中心召开管制郑和明明是个“宦官”为何他还能够子孙满堂?
据中国的历史记载,郑和是我国明代伟大的航海家、外交家和军事家。郑和十二岁时就净身入宫了,一直到三四十岁才带领了一个船队,当时这个船队是世界上最大的船队,郑和靠着这个船队七次出使西洋。网络配图 他的出使马连奴箱包属于哪个品牌(马连奴的包是真皮吗)
马连奴箱包属于哪个品牌(马连奴的包是真皮吗)来源:时尚服装网阅读:1551马连奴.奥兰迪这个牌子的皮包怎么样?中档价位。马连奴奥兰迪主张演绎快时尚,其品牌皮包价位在200元至1500元不等,致力于将国书香女生 品悦生活
阳春三月,春暖花开,为迎接“妇女节”的到来,民航广西空管分局工会女职委于2023年3月2日组织全体技术保障部女职工开展“书香女生 品悦生活”主题不畏严寒 挑灯夜战——厦门空管站导航保障室顺利完成05航向天线阵维护工作
冷锋过境,寒风侵肌。2月17日,厦门空管站发展公司导航保障室值班人员经过一夜奋战完成了05航向天线阵维护工作。针对“11.30”23号航向台参数告警关机故障案例,导航保障室对比