arXiv · cs.GR· Parsa Esmati, Somjit Nath, Katja Hofmann, Derek Nowrouzezahrai, Samira Ebrahimi Kahou, Majid Mirmehdi·· 15 小时前
视频扩散模型内部编码物理合理性：从扩散 Transformer 状态线性解码达 81.27%
The Invisible Hand of Physics: When Video Diffusion Models Know More Than They Show
AI 导读
研究发现视频扩散模型内部编码了物理合理性信息，可从扩散 Transformer 状态中线性解码，在 IntPhys 和 InfLevel 上平均准确率约 81.27%，超过 V-JEPA 和 VideoMAE 等专用表征学习基线。
来源：arXiv · cs.GR · arxiv.org