arXiv · 机器人与计算机视觉· Parsa Esmati, Somjit Nath, Katja Hofmann, Derek Nowrouzezahrai, Samira Ebrahimi Kahou, Majid Mirmehdi·· 2026-10-12AI 评分73
物理的无形之手:当视频扩散模型知晓多于其所展示之物
The Invisible Hand of Physics: When Video Diffusion Models Know More Than They Show
AI 导读
该论文探究现代视频扩散模型是否内嵌物理结构而非仅复现训练中的运动模式。研究通过逆向积分学习到的速度场恢复潜在轨迹,发现物理合理性信号存在于去噪 Transformer 内部状态中,平均解码准确率约 81.27%,优于 V-JEPA 和 VideoMAE 等基线,且该信号在 VAE 潜输入中不存在。这表明具有物理意义的表征可作为生成式去噪的副产品自然涌现。
来源:arXiv · 机器人与计算机视觉 · arxiv.org