引導式測驗 · 硬 等級

為什麼人工智慧影片的物理測驗會出錯

測試為什麼視訊模型學習外觀而不是物理,有限的記憶體如何破壞物件的持久性,以及為什麼計算會使剪輯保持簡短。

問題 1 的 8

典型視訊產生器的訓練目標主要獎勵什麼?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 典型視訊產生器的訓練目標主要獎勵什麼?
    • 遵循動量守恆
    • 產生類似真實影片的輸出
    • 匹配內建的物理引擎
    • 將影格數減到最少
  2. 為什麼像玻璃破碎這樣的罕見事件對於視訊模型來說尤其困難?
    • 法律禁止將其用於訓練資料中
    • 它們在訓練資料中出現頻率較低且涉及複雜的動力學
    • 它們需要音訊才能產生
    • 模型完全無法算繪透明物件
  3. 該指南主要將物件持久性故障描述為什麼樣的問題?
    • 色彩分級問題
    • 涉及有限上下文的記憶體問題
    • 影格速率問題
    • 文字提示詞的語言問題
  4. AI影片片段往往只有幾秒長的主要原因是什麼?
    • 版權規則限制了短片長度
    • 隨著時空代幣數量的增加,注意力成本急劇上升
    • 顯示器無法播放較長的 AI 短片
    • 較長的短片需要不同的檔案格式
  5. 哪一項陳述反映了對影片產生器的誤解?
    • 它們可能會學到一些隱含的物理規律
    • 它們包含內建的物理引擎
    • 它們會讓罕見的互動看起來不自然
    • 它們的短片通常透過串聯生成來延長
  6. 像 Physics-IQ 這類基準測試顯示了什麼?
    • 視覺真實感可靠地表明了對物理的理解
    • 視覺上逼真的輸出並不意味著理解物理
    • 所有當前模型都通過了基本的物理測試
    • 物理無法在影片中進行測試
  7. 為什麼小球的錯誤軌跡在訓練過程中不會被修正?
    • 它佔用很少的令牌,因此錯誤對重建損失的影響很小
    • 球從訓練資料中刪除
    • 模型中從未顯示移動物體
    • 軌跡由單獨的音訊模型處理
  8. Meta 的 V-JEPA 方法與像素級視訊生成有何不同?
    • 它在抽象表示空間而不是像素中進行預測
    • 它僅使用文本,沒有視頻
    • 它完全依賴遊戲引擎來渲染輸出
    • 它生成音頻而不是視頻