谷歌DeepMind與布朗大學(xué)合作開發(fā)的“力提示”(force prompting)技術(shù)，為視頻生成領(lǐng)域帶來突破。該技術(shù)無需3D模型或物理引擎，僅通過指定力的方向和強(qiáng)度，即可生成自然流暢的運(yùn)動(dòng)效果。支持全局力(如風(fēng))和局部力(如敲擊)兩種模式，力以矢量場(chǎng)形式輸入系統(tǒng)。

　　研究基于CogVideoX-5B-I2V模型，加入ControlNet模塊處理數(shù)據(jù)，利用Transformer架構(gòu)生成49幀視頻，僅需4臺(tái)Nvidia A100 GPU訓(xùn)練一天。訓(xùn)練數(shù)據(jù)完全合成，包括旗幟飄動(dòng)、球體滾動(dòng)等場(chǎng)景。模型在文本提示中加入物理術(shù)語后，能自動(dòng)建立正確的力與運(yùn)動(dòng)關(guān)系，并展現(xiàn)出強(qiáng)大的泛化能力。

　　用戶測(cè)試顯示，“力提示”技術(shù)在運(yùn)動(dòng)匹配度和真實(shí)感上優(yōu)于基準(zhǔn)模型，盡管在復(fù)雜場(chǎng)景中仍存不足，但其進(jìn)步標(biāo)志著AI正逐步理解物理規(guī)則，邁向更通用的人工智能。DeepMind首席執(zhí)行官Demis Hassabis認(rèn)為，這是AI發(fā)展的重要一步。