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
8577
-
浏览
9955
-
获赞
28942
热门推荐
-
曼晚为曼联评分:安东尼2分最低,梅努、小麦、霍伊伦8分最高
英超第22轮,曼联客场4-3险胜狼队,赛后,《曼市》为曼联全队评分,替补登场的安东尼2分最低,进球功臣梅努、麦克托米奈、霍伊伦等人8分并列最高。 《曼市》为曼联全队评分 门将:奥纳纳4分后卫:达洛特8呼伦贝尔:强三基补短板 切实提升管制英语水平
本网讯通讯员 李淼)近日,为加强管制人员“三基”建设,提升管制员英语特情处置能力,强化管制员英语通话水平,呼伦贝尔空管站管制运行部塔台管制室开展了管制英语专项培训活动。西北空管局工程指挥部第一党支部与局计建部党支部开展结对共建主题党日活动
为实现党建、业务深度融合的目标,提升指挥部工程建设业务水平,切实巩固党支部政治功能的发挥,5月13日,西北空呼伦贝尔空管站持续推进“手册空管人”建设
本网讯通讯员 李淼)近期,为进一步强化“三基”建设,持续加强质量安全管理体系建设,提升责任意识和遵章守纪意识,继续深入推进“手册空管人”建设,呼伦啥情况恩佐和凯塞多同时注销推特账号,疑似遭到蓝军球迷网暴
2月3日讯 北京时间今早,切尔西中场恩佐和凯塞多都注销了自己的推特账号。目前,已经无法在推特上搜索到两人的账号。两人注销社交媒体的具体原因还不清楚。有不少球迷和媒体表示,在切尔西不敌利物浦的比赛后,众春秋战国齐桓公强势称霸:九合诸侯一匡天下
齐桓公是历史上第一个充当盟主的诸侯,在齐桓公在位的期间,他任管仲为相,推行改革,实行军政合一、兵民合一的制度,齐国因此逐步强盛起来。当时中原华夏各诸侯苦于戎狄等部落的攻击,于是齐桓公打出“尊王攘夷”的岗位技能大练兵 提升素质创佳绩
为了积极响应通导机构改革和大岗位融合,广西空管分局技术保障部于4月22日至5月17日开展“技保岗位技能大练兵”,技术保障部掀起了一阵爱技术、用技术、学技术的狂潮,各岗位一线值史上第一位女婴皇帝:竟只当一天下午就被替代
如果要问:"中国历史上第一位女皇帝是谁",大家一定会不约而同地回答:"武则天"。但事实并非如此,在武则天之前,还有一位女皇帝,曾登上九五之尊的宝座,她就是北魏孝李维斯 x Denim Tears 联名 Vintage 牛仔工装系列发售
潮牌汇 / 潮流资讯 / 李维斯 x Denim Tears 联名 Vintage 牛仔工装系列发售2020年02月17日浏览:3901 既携手星战9打造别注丹宁夹克之厦门空管站:精培训促业务提升 防雷雨筑安全屏障
为了做好新建移动雷达正式投产充足技能准备,同时结合当前汛期设备维护各项要求,5月11日,厦门空管站技术保障部雷达保障室开展实施移动雷达业务培训及设备维护检查工作。当日清晨,移动雷达现场就洋溢起浓烈的治揭秘:曹操父子两人是如何把汉献帝推下帝位的
220年10月,汉献帝告祭祖庙,使张音奏玺绶诏册,禅位于曹丕。曹丕在繁阳亭登上受禅坛,接受玉玺,即皇帝位。随即进入许都,改建康元年为黄初元年,国号为魏,追尊曹操为武皇帝,庙号太祖。废献帝为山阳公,曹皇有“疫”种味道,在你我的碗里
从4月初中南空管局疫情防控II级响应拉响的那一刻起,有这样一群人,让你我不容易注意到,却又像阳光空气一般,不可或缺。每一天,他们和你我一样,共同参与中南空管抗疫保障工作。在那些容易被遗忘的背后中粮集团全资收购来宝农业
12月22日,中粮集团与来宝集团达成一致协议,中粮集团旗下的中粮国际有限公司以下简称“中粮国际”)以7.5亿美元收购来宝集团所持有的中粮来宝农业49%的股权。此项交易完成后,中克拉玛依机场开展防灾减灾主题教育活动
通讯员 刘少臣)今年的5月12日是我国的第14个全国防灾减灾日,为了进一步做好防灾减灾工作,提升机场员工的安全意识和应急处置能力,近日,克拉玛依机场紧密围绕防灾减灾为主题对员工开展了一系列的教育活动。海南空管分局气象台开展第六期读书分享会
中国民用航空网通讯员 王潇骁报道:为了进一步倡导阅读,激发职工阅读兴趣,丰富职工文化生活,5月13日,海南空管分局气象台举办了第六期读书分享会。气象台各级管理人员参加。“道之所言者一也&r