محققان ابزار جدید و هیجانانگیزی به نام PhyMAGIC معرفی کردند که دنیای تولید ویدیو با هوش مصنوعی را متحول میکند. مشکل اصلی مدلهای فعلی این است که ویدیوهای تولیدی از نظر فیزیکی غیرواقعی هستند (مثلاً اشیاء در هم فرو میروند یا قوانین حرکت را رعایت نمیکنند).
اما PhyMAGIC بدون نیاز به آموزشهای سنگین یا دادههای خاص، با ترکیب مدلهای انتشار تصویر به ویدیو (Diffusion Models)، مدلهای زبانی بزرگ (LLMs) برای استدلال، و یک شبیهساز فیزیکی، ویدیوهایی میسازد که کاملاً از نظر قوانین فیزیک دقیق و منطقی هستند. این یعنی قدمی بزرگ برای انیمیشنسازی و شبیهسازیهای حرفهای توسط هوش مصنوعی! 🤖⚙️
منبع: arXiv Computer Vision