跳到正文
arXiv · ML· Jonas Kneifl, Jakub Skalski, Bart{\l}omiej Twardowski, Kamil Deja·· 2026-10-05AI 评分38

视频扩散模型内部表征中物理量的定位研究

Does Physics Live in the Activations? Localizing Physical Quantities in Video Diffusion Models

AI 导读

研究发现视频扩散 Transformer(DiT)内部表征可高精度线性解码运动学与刚体动力学等物理量,且该信息在去噪早期被主动构建。 相关物理信息集中存储在目标物体 token 激活中,单帧潜变量即可读取多帧物理量,且探测方向可作为引导向量改变模型输出。 探针展示了部分外推能力,能迁移至训练分布之外的场景与物体配置。

来源:arXiv · ML · arxiv.org