视频扩散模型内部编码物理合理性

Parsa Esmati 等作者发表研究称，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。 该研究通过沿对应真实视频的潜在轨迹探测视频扩散模型，这些视频的物理合理性已知。上述准确率与对比结果为作者报告，尚未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。