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
8292
-
浏览
869
-
获赞
998
热门推荐
-
罗马诺:富勒姆已向切尔西正式报价布罗亚,租借+选择买断条款
2月1日讯 据记者罗马诺消息,富勒姆正式向切尔西报价前锋布罗亚。记者罗马诺写道:“富勒姆已向切尔西正式报价布罗亚,下午早些时候提出租借+非强制性的选择买断条款的方案,切尔西昨天拒绝了狼队的租借报价。”眼科召开护理组长述职报告会
护理组长在一个团队中起着承上启下的作用,既要协助护士长做好科室管理工作,又要督促本组护士完成各项护理工作,以保证临床护理质量与安全。为了解护理组长在科研、教学、临床等领域的工作情况,促进沟通与交流,1海南抽检784批次食用农产品 不合格12批次
近期,海南省市场监督管理局组织抽检食用农产品784批次,其中合格样品772批次,不合格样品12批次。根据食品安全国家标准,个别项目不合格,其产品即判定为不合格产品。不合格产品情况一)屯昌屯城美莲光鸭摊尿管固定四角内裤助力肾移植受者术后早期康复
早期下床是助力外科手术患者快速康复的重要护理措施之一,但患者身上留置的各种管道常常引起强烈的不舒适感。妥善固定引流管,防止管道意外脱落,并且增加患者舒适度也是护理工作的重中之重,其中保留尿管及腹部创腔球队陷入危机?克洛普怼记者:写你想写的,你低估了球迷的智慧
1月30日讯 利物浦主帅克洛普今天出席对阵切尔西的赛前新闻发布会,谈到了范迪克的未来。你宣布赛季末离任后,范迪克等人仅剩18个月合同,球队项目会不会短期内有危机?克洛普:“不,这完全正常。很明显,外界罗马诺:乌迪内斯即将签下布拉沃,球员本赛季在皇马U19踢球
6月25日讯 据记者罗马诺消息,乌迪内斯即将从勒沃库森签下西班牙19岁前锋伊戈尔-布拉沃。伊戈尔-布拉沃现年19岁,司职前锋,出道于巴萨青训,2021年加盟勒沃库森U19队,2022年租借皇马卡斯蒂亚太平洋建设十集团陕西省汉中市勉县项目开工
2月27日,陕西省汉中市勉县举行2019年首批重点项目集中开工暨建成项目投产达效仪式。由太平洋系十集团三公司承建的勉县定军山景区南大门及基础设施工程项目顺利开工。汉中市委常委、常务副市长陈晓勇心理卫生中心精神障碍病房举办“庆祝元旦,喜迎新年”医患联欢会
2017年12月29日下午,华西医院心理卫生中心精神障碍病房在病房活动大厅内举办了“庆祝元旦,喜迎新年"2018医、护、患联欢活动。由四川音乐学院的志愿者担任主持并表演节目,100余名病员和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,对照食品批秦港煤炭库存增加,北方港继续缓慢去化
本周,秦皇岛港煤炭库存有所增加。中国煤炭资源网数据显示,截止8月2日,秦皇岛港存煤量为528万吨,较上周同期增加26万吨,较上月同期减少66万吨,较去年同期减少7万吨。调度数据显示,本周,秦皇岛港铁路华为nova Flip发布:易烊千玺同款小折叠 5288元起
8月5日晚,华为在线上举行“nova Flip新生之夜”主题活动,正式发布华为nova Flip新品并公布售价,据悉华为nova Flip起售价为5288元,目前已开启预售,将于8月10日发货。8月5秦港煤炭库存增加,北方港继续缓慢去化
本周,秦皇岛港煤炭库存有所增加。中国煤炭资源网数据显示,截止8月2日,秦皇岛港存煤量为528万吨,较上周同期增加26万吨,较上月同期减少66万吨,较去年同期减少7万吨。调度数据显示,本周,秦皇岛港铁路抖音电商公布双11半程数据:380个直播间GMV破千万元,达人GMV同比增长68%
一年一度的双11大促正在火热进行中。10月29日,抖音电商举办“双11总动员”特别直播,首次公布双11半程数据,并分享平台为助力商家生意增长推出的一系列扶持政策。抖音电商总裁魏雯雯在直播中透露,自10瓜帅:我们在临门一脚上没有达到应有水平 比赛可以因点球而结束
5月7日讯 曼城本轮2-1击败利兹联,瓜迪奥拉赛后点评了本场比赛,他同时称赞了京多安。瓜迪奥拉说道:“我们踢了一场出色的比赛,我们很好掌控了比赛,上半场表现出色,但我们在临门一脚上可能没有达到应有的水前德比后卫:兰帕德对大家都不老实 还恃强凌弱 祝他在切尔西顺利
英国媒体邮报报道,前德比后卫维斯多姆公开批评了现任切尔西临时主帅兰帕德。维斯多姆透露当时兰帕德批评他为恶霸,但自己其实并不是。维斯多姆批评兰帕德对所有人都不老实,而且还有点恃强凌弱。 维斯多姆和兰帕