CW: Body Horror?
— Cheshire Cat ᓚᘏᗢ, (@autismsupsoc) June 29, 2024
This AI video attempt to show gymnastics is one of the best examples I have seen that AI doesn’t actually understand the human body and it’s motion but is just regurgitating available data. (Which appears to be minimal for gymnastics) pic.twitter.com/8dD2q30e4G
Really annoyed to see multiple senior figures of our field jump on that clunky gymnastics AI video to make their point that human body physics is oh so complicated.
— Lucas Beyer (bl16) (@giffmana) June 30, 2024
Do they realize it’s like showing a dalle-mini generation and saying current way of doing image generation is… pic.twitter.com/BbKCmzww8R
西風 發自 凹非寺
量子位 | 公眾號 QbitAI
一段AI生成的體操視頻,引發近百萬網友圍觀,LeCun等一眾大佬還因為它吵起來了。
體操表演,emmmm怎麽不算呢?
通過視頻右上角的水印,此段視頻正是由那個一度被認為是“下一代”文生視頻的Dream Machine(來自Luma
AI)生成的。
大夥兒看後紛紛坐不住,圍繞此討論的,是AI視頻領域的一個熟悉的話題:AI是否理解物理規律。
LeCun直接開麥:
視頻生成模型不理解基本物理知識。更不用說人體了。
華盛頓大學計算機科學教授Pedro Domingos看後也“搖了搖頭”:
AGI可能並不會像一些人預期的那樣即將到來。
畸變雀食離譜
自Sora問世以來,“AI是否理解物理規律”這個話題就被越來越多人關注。
下麵這段Sora生成的“寄居蟹用燈泡當外殼的夜間場麵”是個經典的例子,海浪與沙灘的互動非常細膩,寄居蟹腿上的纖毛也活靈活現。
對比真實拍攝的類似場景照片,也就燈泡沒有電源不應該亮這一個明顯破綻了。
最近Luma AI的Dream Machine也一樣,生成的第一視角探廢棄房子真實感拉滿:
由此,不少人認為Sora、LUMA等的視頻生成模型已經理解了簡單的物理規律。
然鵝,這次被放出的視頻著實有點太離譜。
不僅腿腳亂飛,頻頻上演大變活人:
就這高難度的空中懸浮翻跟頭,也是牛頓都要被氣活了的節奏:
以至於網友看後還表示,說恐怖大可不必,說搞笑還差不多。
如此抽象,LeCun直接評論視頻生成模型不會懂物理。
他還進一步解釋,Sora或者其它視頻生成模型都有類似的問題,視頻生成技術無疑也肯定會隨時間推移而進步。
但:
真正理解物理的學習係統並不會具有生成性。就像鳥類、哺乳動物等比任何視頻生成係統更了解物理。然而,它們都不能生成詳細的視頻。
類似還有另一種思考:
即使AI視頻生成模型之後會進化的很好,生成的視頻質量“完美”,那麽就意味著它理解物理了?
LeCun等的觀點,立馬引起網友的質疑:
鳥和哺乳動物也會生成詳細的視頻,隻不過是在大腦中生成無法將其具像化。
然鵝,這種反駁並未說服LeCun。
此外,還有不少人持反對意見。
例如,穀歌DeepMind/Brain團隊研究員Lucas Beyer就指出:
這就像是展示一個由幾年前的Dall·E mini生成的圖像,然後稱當前的圖像生成方式注定失敗一樣。
畢竟,之前生圖模型生成的圖像be like:
至於模型會生成如此離譜的視頻?
有網友認為是缺乏體操表演數據,還有網友認為是身體部位的模糊處理,使得模型無法理解人體結構,繼而不能保證肢體動作的連貫性。
視頻生成在計算上更為複雜,並且具有高度的上下文相關性,對詳細標注的訓練數據有更大的需求,這些需求現在還未得到充分滿足。
前段時間SD
3翻車,同樣對人體生成效果不好,網友也討論過這一問題,過於嚴格的數據審核,可能誤刪了一些無害的成人圖像,影響了模型對人體結構的理解。
One More Thing
除了Luma AI的Dream Machine生成體操視頻大翻車,Runway的Gen-3也……
同款三頭六臂:
同款空中懸浮絕活: