NVIDIA Physis-Lang додає фізичні описи та негативні промпти для ШІ-відео
NVIDIA, MIT та Оксфорд представили Physis-Lang — відкритий фреймворк, що додає причинно-наслідкове фізичне обґрунтування та фізичні негативні підказки до генеративних відеомоделей. Підхід дозволив Cosmos3 та Wan2.1 перевершити Google Veo 3.1 на складних тестах.
Вплив: Середній
Чому це важливо
Розробники та промпт-інженери можуть усувати артефакти у генеративному відео (порушення гравітації, неприродні деформації), структурувавши промпти через причинні кроки та фізичні обмеження.
TL;DR
- 01Додавання структурованих полів physics_reasoning та physics_negative_prompt підвищує фізичну достовірність відео навіть без донавчання моделей.
- 02Модель Cosmos3-Nano з Physis-Lang обійшла Google Veo 3.1 на складному бенчмарку VideoPhy-2 Hard (62.36 проти 58.43).
- 03Дистиляція процесу генерації промптів у модель 4B VLM (PhysThinker) знизила вартість обробки з $24.12K до $0.12K.
Ключові факти
- Оцінка Physics-IQ Verified (Cosmos3-Super)
- 48.2 ± 1.4 (1-е місце)
- Тест VideoPhy-2 Hard Split
- 62.36 (Cosmos3-Nano) проти 58.43 (Veo 3.1)
- Приріст від промптингу (PhyGenBench)
- +5.62 пункту на замороженій Cosmos3-Nano
- Зниження витрат на промптинг
- З $24.12K (API) до $0.12K (PhysThinker)
Чому генеративні моделі відео порушують фізику
Більшість дифузійних моделей відео фіксують візуальні кореляції, але не розуміють причинно-наслідкових зв'язків. Це породжує аномалії на зразок танення предметів без нагрівання або рідини, що тече вгору. Замість додавання складних векторних просторів Physis-Lang використовує природну мову як універсальний інтерфейс для фільтрації даних, донавчання та промптингу.
Структурована схема промпту
Підхід структурує генеративні запити за допомогою двох компонентів:
1. physics_reasoning: Детально описує фізичні об'єкти, механіку взаємодії, діючі закони (гравітація, поверхневий натяг, термодинаміка) та послідовну зміну стану сцени. 2. physics_negative_prompt: Формує список фізично неможливих помилок для негативного спрямування генерації (negative conditioning).
{
"prompt": "Керамічна чашка падає на тверду дубову підлогу",
"physics_reasoning": "Гравітація прискорює чашку донизу; сила удару перевищує границю міцності кераміки; виникає крихке руйнування від точки контакту; уламки розлітаються під дією залишкової кінетичної енергії.",
"physics_negative_prompt": "Чашка відскакує як гумовий м'яч; чашка проходить крізь підлогу; руйнування в повітрі до контакту; зависання уламків у невагомості"
}Результати бенчмарків та ефект промптингу
На лідерборді Physics-IQ Verified модель Cosmos3-Super із Physis-Lang посіла перше місце (48.2 ± 1.4). На складному спліті VideoPhy-2 Hard модель Cosmos3-Nano отримала 62.36 бала проти 58.43 у Google Veo 3.1.
Для інженерів найважливішим є те, що використання фізичних описів і негативних підказок на замороженій Cosmos3-Nano без донавчання підвищило показник PhyGenBench на +5.62 пункту (з 61.67 до 67.29).
Спробуй за 2 хвилини
{
"prompt": "A block of ice melting on a hot steel griddle",
"physics_reasoning": "Thermal conduction transfers heat from the steel surface to the ice bottom; solid water undergoes phase change into liquid; gravity pulls melted water outward across the surface.",
"physics_negative_prompt": "Ice maintaining cube edges while shrinking; water floating upward; sudden vanishing without puddle formation"
}json
✓ Коли використовувати
- Генерація відео зі складною фізичною динамікою: рідини, зіткнення, руйнування або термодинамічні фази.
- Складання негативних промптів для запобігання візуальним артефактам та порушенням гравітації.
- Курація синтетичних тренувальних відеоданих, де критично важлива фізична достовірність.
Що зробити сьогодні
- Додавайте до промптів генерації відео блок physics_reasoning із покроковим описом фізичних перетворень.
- Включайте до negative prompt перелік неможливих артефактів (проходження крізь перешкоди, відсутність інерції).
- Протестуйте техніку подвійного промптингу на генераторах відео на кшталт Wan2.1 чи Cosmos3.
Джерела