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
95
-
浏览
4927
-
获赞
72549
热门推荐
-
atmos x 阿迪达斯 ZX 8000 联名鞋款曝光,异国情调凸显
潮牌汇 / 潮流资讯 / atmos x 阿迪达斯 ZX 8000 联名鞋款曝光,异国情调凸显2020年02月26日浏览:2782 既蛇纹及黄蓝配色之后,近期 Adid我院举办退休职工“影视文艺进社区、人人都来过把明星瘾”活动
为丰富离退休职工文化生活,5月11日下午,人力资源部在临床教学楼309教室组织了“影视文艺进社区、人人都来过把明星瘾”活动,100余位退休老师参加。 本次活动由我院退休老师冯监察处深入科室反馈病人满意度调查结果和行风信息管理情况
为使各科室及时了解本科室住院患者在住院医疗期间对病房工作人员的工作作风、服务意识、服务态度、沟通行为、服务效率和就诊环境、便捷服务、医疗质量、医德医风、投诉管理等工作的评价情况,根据医院领导要求,监上锦院区后勤保障部门开展满意度走访调查工作
为提高上锦院区后勤保障团队的服务水平,加强与临床一线的沟通,5月17日下午,上锦院区后勤保障部指挥中心、动力维修、消防安保和保洁等部门联合对各科室和门诊大楼各护士站进行了走访,听取了各科室反应的意见华商储备商品管理中心再次向市场投放中央储备肉
根据商务部、发展改革委、财政部和中国农业发展银行的通知要求,2016年1月22日,华商储备商品管理中心再次组织实施了出库竞价交易。此次交易挂牌中央储备冻猪肉总量1.26万吨, 提货库点为浙江华统肉制品上锦院区神经外科病房建立新型脑电检测系统
神经外科颅脑疾病是一种损伤性极大地病种,患者术前术后常有癫痫发作,由于癫痫病情特殊,发作时间不定,持续时间短暂,很难观察,给治疗带来很大困难。 根据医疗需求,5月21日,上锦神经外科病房建立了新型脑CASIO x panda mei 全新 PRO TREK 造型特辑赏析
潮牌汇 / 潮流资讯 / CASIO x panda mei 全新 PRO TREK 造型特辑赏析2021年06月03日浏览:2947 稍早,CASIO PRO TRE血透中心召开小型肾友会 维持性血液透析乙肝患者的治疗和护理
为提高乙肝患者血液透析质量和生活质量,让维持性血液透析患者更加重视乙肝带来的危害,5月9日,血透中心在第三住院大楼5楼肾脏内科小教室召开了针对维持性血液透析乙肝患者的小型肾友会。血透室医生、患者及家maxmara六大经典款(maxmara六大经典款大衣介绍)
maxmara六大经典款(maxmara六大经典款大衣介绍)来源:时尚服装网阅读:6853maxmara是什么品牌?这款版型的大衣真绝了1、MaxMara是一个意大利品牌,始于1951年,创办人Ach监察处深入科室反馈病人满意度调查结果和行风信息管理情况
为使各科室及时了解本科室住院患者在住院医疗期间对病房工作人员的工作作风、服务意识、服务态度、沟通行为、服务效率和就诊环境、便捷服务、医疗质量、医德医风、投诉管理等工作的评价情况,根据医院领导要求,监唐佳丽替补策动进球热刺女足1
唐佳丽替补策动进球热刺女足1-2 沈梦雨连续4场首发_布莱顿www.ty42.com 日期:2021-10-11 11:01:00| 评论(已有306359条评论)美联储降息50基点后日本股市上涨,日元跌跌不休
汇通财经APP讯——在美联储降息50个基点并暗示未来几个月将进一步宽松之后,周四(9月19日)亚市盘中,日本股市和美国股指期货双双上涨。MSCI区域股指创下近一周最大涨幅,而美国股指期货上涨,此前标普msmin全国实体店(miumiu中国官网旗舰店)
msmin全国实体店(miumiu中国官网旗舰店)来源:时尚服装网阅读:3509有哪些适合二十多岁女生的服装品牌?我个人推荐迪赛尼斯,每件衣服都很有让你买的欲望,真的很好看,而且很适合出去穿。 国产女FOG ESSENTIALS 2021 春夏系列国内即将上架
潮牌汇 / 潮流资讯 / FOG ESSENTIALS 2021 春夏系列国内即将上架2021年06月04日浏览:5177 上月,Fear Of God 支线 ESSEBAPE x Highsnobiety 全新联名 BAPESTA 鞋款系列即将来袭
潮牌汇 / 潮流资讯 / BAPE x Highsnobiety 全新联名 BAPESTA 鞋款系列即将来袭2021年06月15日浏览:2956 知名线上媒体&