Исследователи во главе с Лисином Таном представили PhyEvolve — систему из трёх агентов, которая переписывает текстовые запросы для генерации видео, добавляя в них явные изменения физического состояния. Агенты — Director, Physical Evolver и Composer — планируют причинно-следственные переходы и передают их существующим генераторам видео без дополнительного обучения. Испытания на четырёх крупных бенчмарках показали в среднем на 7,9 пункта более высокий результат, чем у прежнего лучшего агентного метода.
Почему это важно
Авторы видео могут получать ролики, подчиняющиеся реалистичным законам физики, без создания новых моделей ИИ.
