تولید ویدیو با هوش مصنوعی هنوز در بازسازی حرکتهای فیزیکی پیچیده و تغییر شکل اشیاء چالشهای زیادی دارد. اما محققان با معرفی فریمورک جدید «DeforM»، این مشکل را حل کردهاند.
این مدل با کمک یک «استدلالگر فیزیکی» (VLM-guided)، روی مناطق حساس فیزیکی ویدیو تمرکز میکند تا به جای نویزهای تصویری، واقعگرایی و انطباق با قوانین فیزیک را در خروجی نهایی به حداکثر برساند. نتیجه؟ ویدیوهایی که دیگر «فیزیک» را نادیده نمیگیرند! 🚀🎞️
منبع: arXiv Computer Vision