Sửa lỗi hạn chế của mô hình khuếch tán về sự phản chiếu và ánh xạ

Kể từ khi trí tuệ nhân tạo bắt đầu thu hút sự quan tâm của công chúng, lĩnh vực nghiên cứu thị giác máy tính đã tăng cường sự quan tâm đến việc phát triển các mô hình AI có khả năng hiểu và sao chép các định luật vật lý; tuy nhiên, thách thức trong việc dạy các hệ thống học máy để mô phỏng các hiện tượng như trọng lực và động lực học chất lỏng đã trở thành một trọng tâm nghiên cứu quan trọng trong ít nhất năm năm qua.

Kể từ khi mô hình khuếch tán tiềm ẩn (LDM) trở thành trung tâm của trí tuệ nhân tạo tạo sinh vào năm 2022, các nhà nghiên cứu đã tăng cường tập trung vào khả năng hạn chế của kiến trúc LDM trong việc hiểu và tái tạo các hiện tượng vật lý. Hiện tại, vấn đề này đã trở nên nổi bật hơn với sự phát triển đáng kể của mô hình video tạo sinh của OpenAI Sora và sự phát hành gần đây của mô hình video mã nguồn mở Hunyuan Video và Wan 2.1.

Phản chiếu không tốt

Hầu hết nghiên cứu nhằm cải thiện sự hiểu biết của LDM về vật lý đã tập trung vào các lĩnh vực như mô phỏng đi bộ, vật lý hạt và các khía cạnh khác của chuyển động Newton. Những lĩnh vực này đã thu hút sự chú ý vì sự không chính xác trong các hành vi vật lý cơ bản sẽ ngay lập tức làm suy yếu tính xác thực của video được tạo ra bởi AI.

Tuy nhiên, một dòng nghiên cứu nhỏ nhưng ngày càng tăng tập trung vào một trong những điểm yếu lớn nhất của LDM – khả năng tương đối yếu trong việc tạo ra các phản chiếu chính xác.

Từ bài báo tháng 1 năm 2025 ‘Phản chiếu Thực tại: Cho phép Mô hình Khuếch tán Tạo ra Phản chiếu Gương trung thực’, các ví dụ về ‘sự thất bại của phản chiếu’ so với phương pháp của các nhà nghiên cứu. Nguồn: https://arxiv.org/pdf/2409.14677

Vấn đề này cũng là một thách thức trong thời đại CGI và vẫn còn trong lĩnh vực trò chơi video, nơi các thuật toán追踪 tia sáng mô phỏng đường đi của ánh sáng khi nó tương tác với các bề mặt. Các thuật toán追踪 tia sáng tính toán cách các tia sáng ảo phản xạ hoặc đi qua các vật thể để tạo ra các phản chiếu, khúc xạ và bóng thực tế.

Tuy nhiên, vì mỗi lần phản xạ bổ sung làm tăng đáng kể chi phí tính toán, các ứng dụng thời gian thực phải cân bằng độ trễ với độ chính xác bằng cách giới hạn số lượng lần phản xạ tia sáng được phép.

Một biểu diễn của một tia sáng ảo được tính toán trong một kịch bản 3D truyền thống (tức là CGI), sử dụng các công nghệ và nguyên tắc được phát triển lần đầu tiên vào những năm 1960 và đã được hoàn thiện giữa năm 1982-1993 (khoảng thời gian giữa ‘Tron’ [1982] và ‘Jurassic Park’ [1993]). Nguồn: https://www.unrealengine.com/en-US/explainers/ray-tracing/what-is-real-time-ray-tracing