پژوهشگرانی به سرپرستی Lixing Tan، سامانه سه‌عاملی PhyEvolve را معرفی کرده‌اند که پرامپت‌های متن‌به‌ویدیو را بازنویسی می‌کند تا تغییرات صریح حالت‌های فیزیکی را در بر بگیرند. این عامل‌ها ــ Director، Physical Evolver و Composer ــ گذارهای علّی را برنامه‌ریزی می‌کنند و بدون بازآموزی، آن‌ها را به مولدهای ویدیویی موجود می‌فرستند. آزمایش‌ها روی چهار معیار ارزیابی مهم، به‌طور میانگین بهبودی ۷.۹ امتیازی نسبت به بهترین روش عامل‌محور قبلی نشان می‌دهد.
چرا مهم است
تولیدکنندگان محتوا می‌توانند بدون نیاز به مدل‌های هوش مصنوعی تازه، ویدیوهایی با فیزیک واقع‌گرایانه‌تر بسازند.
