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
962
-
浏览
4427
-
获赞
96
热门推荐
-
KAPITAL 全新 Katsuragi Kola 手工棒球帽系列上线,古着质感
潮牌汇 / 潮流资讯 / KAPITAL 全新 Katsuragi Kola 手工棒球帽系列上线,古着质感2020年02月15日浏览:4343 在发布了中国功夫主题的内蒙古空管分局区域管制第三扇区正式运行
本网讯通讯员 李辉 焦博伟 朱昱衡)经过10天的试运行,7月16日15点,民航内蒙古空管分局区域管制区03扇区正式运行,空管保障能力得到进一步提升,航班飞行将会更安全、更准点。高度重视 积极筹备内蒙古湖南空管分局开展精密空调运行专项检查和技术培训
通讯员戴焕昌、郭朝晖报道:7月20日,湖南空管分局动力设备室开展精密空调运行专项检查和技术培训。随着暑运工作的开始,航班大流量、高负荷已成为暑运保障期间的常态。暑运期间高温酷暑,加上近期雷雨复杂天气频有备无患、“以练促学“,山东空管组织管制运行部开展专项应急演练
中国民用航空网通讯员卢光庆报道:为提高管制员应急处置能力,营造管制员“学习、提高、增强”专业技术能力的的良好氛围,按照山东空管分局要求部署,管制运行部区域管制室近期开展了专项应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山东空管召开二季度设备运行安全形势分析会
中国民用航空网通讯员庞苗苗报道:为了持续做好设备运行维护保障工作,近日,山东空管分局技术保障部召开2020年二季度设备运行安全形式分析会,部门全体人员参加了会议。会议对部门二季度设备保障运行整体情况做敬畏规章,防微杜渐――中南空管局气象中心观测情报室团支部开展工作作风为主题的第四期“青年论坛”
由于暑运高峰、人为差错、作风不实、典型违章等原因,第三季度不安全事件多发、连发现象尤为突出,为了对苗头性、倾向性问题实施抓早抓小、防微杜渐,前移安全防范关口,中南空管局气象中心观测情报室团支部于历史上最受推崇的一个时代精英 忙着空谈误国
魏晋是历史上一个备受推崇的时代,在魏晋史书里,很多人物的列传中都有“容仪伟丽”“不修小节”“才藻美赡”“风神高迈”“容仪俊爽”“善言玄理”“风神秀异”之类的评语,仿佛那时期发生了大规模的基因突变,造就李铁:全队上下出战欲望强烈 相信表现超越前两场
李铁:全队上下出战欲望强烈 相信表现超越前两场_比赛www.ty42.com 日期:2021-10-06 23:31:00| 评论(已有305678条评论)张居正破了丁忧规矩,真是万历皇帝夺情慰留吗?
1577年,在明朝万历皇帝继位五年后,朝廷发生了件大事,首辅张居正的父亲去世了。按祖宗规矩,朝廷官员应辞官回籍守孝三年,以回报父母养育之恩。说是三年,实际是二十七个月。在这段时间内,需在父母坟前搭个简珠海空管站全面启动珠海机场机坪管制移交工作
2020年7月21日下午,珠海空管站召开机坪管制移交工作会,标志着珠海空管站全面正式启动珠海金湾机场机坪管制移交工作。空管站廖超豪站长、邱永聪副站长出席此次会议,相关部门领导参会。 为了读书心得——简谈清史之珍妃被推入井中的全过程
通讯员:李欣)珍妃,是清光绪帝的妃子,也是光绪帝最宠爱的一位妃子,两人情投意合,但怎奈珍妃的一些新潮思想引来了慈禧的反感,后珍妃支持光绪的新政更是彻底地得罪了慈禧。那么珍妃最终是如何被慈禧害死的Nike Court Tech Challenge 网球战靴下周发售,致敬阿加西
潮牌汇 / 潮流资讯 / Nike Court Tech Challenge 网球战靴下周发售,致敬阿加西2020年02月22日浏览:3650 日前,耐克推出一双全新以练为战 未雨绸缪
——黑龙江空管分局开展独立台站防汛应急演练 为进一步提升独立台站防汛应急处置能力,全力做好2020年度防汛深圳空管青年进社区开展志愿服务
覃福润)7月24日,深圳空管站技术保障部团委组建青年志愿服务队,积极联络主动服务,来到深圳市南山区党群服务中心党建书吧参加由南山区党群服务中心主办的领航读书会志愿服务活动。在领航读书会开始前,技术保障