Ein Team von Brown University und DeepMind hat mit Force Prompting eine innovative Technik für KI-generierte Videos entwickelt.
In Kürze
- Force Prompting nutzt physikalische Impulse für realistische Bewegungen
- Das Modell wurde mit künstlich erzeugten Daten trainiert
- Technik übertrifft traditionelle Methoden in der Bewegungsdarstellung
Einführung in Force Prompting
Ein Team von Forschern der Brown University und DeepMind hat eine innovative Methode namens „Force Prompting“ entwickelt, die frischen Wind in die Welt der KI-generierten Videos bringt. Statt auf aufwendige 3D-Modelle oder komplexe Physiksimulationen zurückzugreifen, nutzt diese Technik physikalische Impulse wie Wind oder Stöße, um Bewegungen zu steuern, die für uns Menschen realistisch wirken.
Die Besonderheiten von Force Prompting
Das Besondere an Force Prompting ist, dass das Modell mit künstlich erzeugten Daten trainiert wurde. Dazu gehören beispielsweise Videos von wehenden Flaggen oder rollenden Bällen. Diese vergleichsweise einfachen Datensätze ermöglichen es dem Modell, physikalische Prinzipien wie das Verhalten von Masse realitätsnah abzubilden. Ein Beispiel: Ein Stoß führt dazu, dass sich leichtere Objekte weiter bewegen als schwerere – ganz nach den Gesetzen der Physik.
Leistungsfähigkeit und Grenzen
In Tests hat Force Prompting eindrucksvoll gezeigt, dass es physikalische Bewegungen besser darstellen kann als andere Methoden, die entweder auf Text oder Bewegungsbahnen basieren. Sogar ein echtes Physiksimulationsmodell wurde in der Darstellung von Kraft und Bewegungseindruck übertroffen. Doch wie bei vielen neuen Technologien gibt es auch hier Grenzen. In komplexeren Szenarien kann es vorkommen, dass Rauch sich bei Wind nicht so verhält, wie man es erwarten würde, oder menschliche Arme wirken wie aus Stoff.
Zukunftsperspektiven
Trotz dieser Einschränkungen bietet Force Prompting eine effiziente Möglichkeit, physikalisch plausible Interaktionen in Videos zu erzeugen, auch wenn es keine vollständige Simulation der Realität ist. Demis Hassabis, CEO von DeepMind, sieht in solchen KI-Modellen, die physikalische Gesetzmäßigkeiten verstehen, einen wichtigen Schritt in Richtung einer allgemeineren künstlichen Intelligenz, die ihre Umgebung besser begreifen kann.
Quellen
- Quelle: DeepMind
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
