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
8
-
浏览
1697
-
获赞
4
热门推荐
-
利物浦本赛季已吃到5张红牌,全英超最多
2月5日讯 英超第23轮焦点战,利物浦客战阿森纳,比赛第87分钟,科纳特两黄变一红,被罚下场。据统计,利物浦本赛季共吃到了5张红牌,是英超所有球队中最多的。科纳特第一黄↓科纳特第二黄↓标签:利物浦阿森天正智造广交会全球圈粉
天正智造,绿动未来。随着“中国智造”破圈出海,“天正绿”闪耀第136届广交会。作为广交会“常客”,天正智造全球圈粉。本届广交会上多空交织下,动力煤后市走向研判
9月下旬后,南方地区高温天气影响消退,沿海电厂日耗震荡回落,存煤可用天数恢复至15天安全水平之上,电厂采购节奏普遍放缓,叠加建材、化工等非电耗煤企业及民用备煤方面国庆节前备货补库陆续完成等因素,业内观对Switch 2有信心 日本开发商TOSE上调下财年营收预期
在今年7月份,日本知名代工开发商TOSE东星软件)经历了前所未有的财务亏损,不仅多个项目被取消,其当前财年前9个月的总亏损达到了3.67亿日元。不过近日,TOSE公布的下财年营收预期却上调了21.3%英媒:若林加德不续约将在冬窗被卖 纽卡西汉姆有意
英媒:若林加德不续约将在冬窗被卖 纽卡西汉姆有意_曼联www.ty42.com 日期:2021-10-12 08:01:00| 评论(已有306472条评论)《铁拳8》新地图DLC遭差评轰炸后 万代南梦宫限时免费送新场景
由万代南梦宫打造的3D格斗游戏《铁拳8》在本月初推出了全新付费DLC“GENMAJI TEMPLE”,但由于DLC仅添加了一个战斗场景就标价28元Steam国区定价)且并未包含在季票、豪华版或终极版中《崩坏:星穹铁道》走近星穹 「乱破:白枭•忍者爆发四散之卷」
今日10月16日),米哈游官方公布《崩坏:星穹铁道》走近星穹——「乱破:白枭•忍者爆发四散之卷」。演播室,在燃烧。「咿呀——」银枪•修罗殿下闯入演播厅,将白枭•忍者投入炊饭釜中。何等无慈悲!大岚神也闭科曼认为阿圭罗不符合引援要求 不会为梅西签他
科曼认为阿圭罗不符合引援要求 不会为梅西签他_巴萨www.ty42.com 日期:2021-04-14 09:01:00| 评论(已有269403条评论)媒体人怒斥足协女足换帅潜规则 祸害中国足球多年
媒体人怒斥足协女足换帅潜规则 祸害中国足球多年_肇俊哲www.ty42.com 日期:2021-10-12 16:01:00| 评论(已有306576条评论)聚焦网红食品 河北举行“你点我检”“你送我检”专场活动
中国消费者报石家庄讯张丽雪记者李建)9月14日,河北“你点我检”“你送我检”网红食品专场抽检活动在邢台市逗号立方购物广场举办。活动由河北省市场监管局主办,邢台市市场监管局承办,信都区市场监管局协办。“以色列讨论对伊朗采取的下一步行动,分析师:金价的涨势依然完好无损
汇通财经APP讯——周一(10月21日)亚市盘中,现货黄金持续上涨,目前最高触及2731.87美元/盎司,再度刷新历史高位。当地时间10月20日晚间自以色列方面获悉,有以色列官员透露,以色列对伊朗导弹【东海期货3月23日产业链日报】能化篇:数据利好及加息计价,油价回涨
汇通财经APP讯——原油核心逻辑:EIA数据显示,美国原油和成品油出口大幅上升至创纪录的1200万桶/天,表明目前需求前景更为乐观。于此同时美联储并不令人意外地连续第二次加息25个基点,与预期相符。上辽宁:省市区12315部门三级联动 优化市场服务环境
中国消费者报沈阳讯(记者王文郁)9月9日,《中国消费者报》记者从辽宁省市场监管局了解到,辽宁省市场监管事务服务中心投诉举报中心近日会同沈阳市市场监管投诉举报中心、浑南区市场监管局召开专题座谈会议,就O《Berserker's Domain》Steam上线 主视角FPS新游
breakky制作并发行,一款致敬经典《毁灭战士》风格的主视角FPS新游《Berserker's Domain》Steam上线,本作暂不支持中文。《Berserker's Domain》:Steam地雨果·维文表示“受够了”《指环王》电影 没有兴趣参演《追捕咕噜》
《指环王》系列电影经久不衰,因此其衍生剧集和衍生电影至今仍在不断制作中,例如以咕噜为主角的《指环王:咕噜》。对此曾在《指环王》系列电影中扮演了甘道夫的伊恩·麦克莱恩和扮演阿拉贡的维果·莫特森都表示有兴