LikePhys: 尤度選好によるビデオ拡散モデルの直感的物理理解の評価

LikePhys: Evaluating Intuitive Physics Understanding in Video Diffusion Models via Likelihood Preference

October 13, 2025

著者: Jianhao Yuan, Fabio Pizzati, Francesco Pinto, Lars Kunze, Ivan Laptev, Paul Newman, Philip Torr, Daniele De Martini

cs.AI

要旨

ビデオ拡散モデルにおける直感的な物理理解は、汎用的で物理的に妥当な世界シミュレータを構築する上で重要な役割を果たす。しかし、生成において物理的正しさと視覚的外観を分離する難しさから、その能力を正確に評価することは依然として困難な課題である。そこで本研究では、LikePhysを提案する。これは、訓練を必要としない手法であり、デノイジング目的関数をELBOベースの尤度代理として用いて、物理的に妥当なビデオと不可能なビデオを区別することで、ビデオ拡散モデルの直感的な物理理解を評価する。4つの物理領域にまたがる12のシナリオからなるベンチマークを用いてテストを行い、我々の評価指標であるPlausibility Preference Error (PPE)が、人間の選好と強く一致し、最先端の評価ベースラインを上回ることを示す。さらに、現在のビデオ拡散モデルにおける直感的な物理理解を体系的にベンチマークし、モデル設計と推論設定が直感的な物理理解にどのように影響するかを分析し、物理法則にわたる領域固有の能力の変動を明らかにする。実験結果から、現在のモデルが複雑でカオス的なダイナミクスに苦戦しているものの、モデル能力と推論設定のスケーリングに伴い、物理理解が明らかに向上する傾向があることが示された。

English

Intuitive physics understanding in video diffusion models plays an essential role in building general-purpose physically plausible world simulators, yet accurately evaluating such capacity remains a challenging task due to the difficulty in disentangling physics correctness from visual appearance in generation. To the end, we introduce LikePhys, a training-free method that evaluates intuitive physics in video diffusion models by distinguishing physically valid and impossible videos using the denoising objective as an ELBO-based likelihood surrogate on a curated dataset of valid-invalid pairs. By testing on our constructed benchmark of twelve scenarios spanning over four physics domains, we show that our evaluation metric, Plausibility Preference Error (PPE), demonstrates strong alignment with human preference, outperforming state-of-the-art evaluator baselines. We then systematically benchmark intuitive physics understanding in current video diffusion models. Our study further analyses how model design and inference settings affect intuitive physics understanding and highlights domain-specific capacity variations across physical laws. Empirical results show that, despite current models struggling with complex and chaotic dynamics, there is a clear trend of improvement in physics understanding as model capacity and inference settings scale.