CRONOS：视频模型中反事实物理一致性的基准测试

视频预测日益被视为通用世界模型的路径，但是否学习了底层因果结构或仅利用浅层视觉相关性进行未来预测尚不清楚。我们引入CRONOS，一个以干预为基础的基准测试，旨在评估反事实物理一致性：即模型对物理事件的预测是否对控制更改后的视觉输入做出适当响应，包括场景上下文、视点、物体外观和物体类别的变化。CRONOS建于逼真的Unreal Engine环境中，使我们能够在多样化场景和动力学下生成受控的高保真视频。与之前的基准测试不同，CRONOS在四个关键因素上系统性地进行干预——视点、场景、物体类别和物体外观——同时保持底层物理事件类型不变，如碰撞、遮挡或坠落。我们评估了最近的开源视频生成器，发现其在反事实物理一致性方面存在显著缺陷：相同物理事件类型的预测质量受到外观、环境和特别是视点变化的影响。CRONOS为诊断不同干预下生成视频质量变化提供了受控且可重复的测试平台，为开发在多种条件变化下表现一致的模型树立了具体目标。该数据集和代码均可在我们的项目页面获取。