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
6
-
浏览
163
-
获赞
3
热门推荐
-
阿迪达斯全新 4D 鞋款 adidas ZX 4D Morph 实物曝光
潮牌汇 / 潮流资讯 / 阿迪达斯全新 4D 鞋款 adidas ZX 4D Morph 实物曝光2020年02月24日浏览:4550 采用 3D 打印锻造而成的 4D时尚插画服装可爱女(时尚插画服装可爱女生图片)
时尚插画服装可爱女时尚插画服装可爱女生图片)来源:时尚服装网阅读:286时尚少女插画-这个卡通人物叫什么怎么搜索这个卡通女孩是谁啊?名字:中原岬MisakiNakahara)是日本作家泷本龙彦的小说《我院与牛津大学共建消化道肿瘤联合研究中心
5月15日,四川大学-牛津大学华西消化道肿瘤联合研究中心云签约暨揭牌仪式在我院医技楼举行。牛津大学校长Louise Richardson教授、李纳克尔学院院长Nick Brown教授、肿瘤系主任Mar很后悔的感悟说说 后悔的感悟的句子
日期:2022/7/28 8:03:00作者:网友整理人气:0我来评论导读:要是世界上有后悔药多好,这样生活就可以少点遗憾了,希望以后自己做的每个决定都要好这样就会少点烦恼。 1.选择是后悔瑜之美运动用品有限公司(瑜美国际简介)
瑜之美运动用品有限公司(瑜美国际简介)来源:时尚服装网阅读:1694iFresh博览亚果会38毫米差不多相当于一个砂糖橘的直径,山竹也差不多.38mm便是8厘米。毫米millimeter),又称公厘或远藤航倒地铲球致VAR介入审查疑似直红,最终判罚不是红牌
11月12日讯 英超第12轮,利物浦vs布伦特福德。下半场第53分钟,VAR介入审查远藤航的铲球,最终认定不是严重犯规,无需出示红牌。标签:利物浦布伦特福德英特尔向日本无人驾驶技术开发商ZMP公司注资
美国英特尔公司旗下全球投资与收购兼并机构———英特尔投资7日宣布,向日本无人驾驶技术开发商ZMP公司注资。这笔资金来自于“英特尔投资联网汽车基金&rdq全县防汛抗旱工作会议召开
全县防汛抗旱工作会议召开文章来源:民权网文章作者:卫华责任编辑:薛皓点击数: 时间:2024-03-28 15:55 3月28日上午,在收听收看全省、全市防汛抗旱范斯 x Jim Goldberg 联名鞋款系列发布,关注边缘弱势群体
潮牌汇 / 潮流资讯 / 范斯 x Jim Goldberg 联名鞋款系列发布,关注边缘弱势群体2020年02月20日浏览:3557 美国杰出摄影师 Jim Goldb时尚天河服装贵不贵(时尚天河服装贵不贵)
时尚天河服装贵不贵时尚天河服装贵不贵)来源:时尚服装网阅读:253广州买衣服去哪里如果想要购买国际知名品牌,可以去海珠区的北京南路。总之,北京路商圈是广州购物的热门地点之一,适合散客购买衣服。广州买衣《我的世界》虚无世界3袭击者掉落介绍
《我的世界》虚无世界3袭击者掉落介绍36qq7个月前 (08-19)游戏知识55很后悔的感悟说说 后悔的感悟的句子
日期:2022/7/28 8:03:00作者:网友整理人气:0我来评论导读:要是世界上有后悔药多好,这样生活就可以少点遗憾了,希望以后自己做的每个决定都要好这样就会少点烦恼。 1.选择是后悔护航开学季 确保放心餐
中国消费者报兰州讯冯潇记者徐文智)为保障学校师生饮食安全,近日,甘肃省兰州市七里河区市场监管局联合七里河区教育局开展2021年秋季学校“护航开学季、确保放心餐”专项整治行动。检流动的春节餐桌 你家的年味儿南北融合了吗?
春节将至,中国人即将迎来每年最重要的一顿“饭”——年夜饭。过去,它承载着守护“传统家乡回忆”的深厚情感;如今,随着人们生活方式、KITH x 星球大战全新联名系列完整公布,Ronnie Fieg 亲晒
潮牌汇 / 潮流资讯 / KITH x 星球大战全新联名系列完整公布,Ronnie Fieg 亲晒2021年12月18日浏览:2707 经过此前的高调预告,日前 Ron