AI ভিডিওতে পদার্থবিদ্যা সিমুলেশন: কিভাবে মডেলগুলো অবশেষে বাস্তবতাকে সম্মান করতে শিখল

বছরের পর বছর ধরে, AI-উৎপন্ন ভিডিওগুলোতে একটি পদার্থবিদ্যার সমস্যা ছিল। বাস্কেটবল হুপ মিস করে তবুও তার মধ্যে টেলিপোর্ট করত। পানি উপরের দিকে প্রবাহিত হতো। বস্তুগুলো ভূতের মতো একে অপরের মধ্য দিয়ে যেত। ২০২৫ এবং ২০২৬ এর শুরুতে, কিছু বদলে গেল। ভিডিও মডেলের সর্বশেষ প্রজন্ম ভৌত জগতের মৌলিক নিয়মগুলো সম্মান করতে শিখেছে।

বাস্কেটবল সমস্যা

OpenAI Sora 2 লঞ্চ করার সময় এটি নিখুঁতভাবে বর্ণনা করেছিল: পূর্ববর্তী মডেলগুলোতে, যদি একটি বাস্কেটবল হুপ মিস করত, এটি কেবল নেটের মধ্যে উপস্থিত হয়ে যেত। মডেলটি বর্ণনামূলক ফলাফল জানত (বল বাস্কেটে যায়) কিন্তু ভৌত সীমাবদ্ধতা সম্পর্কে কোনো ধারণা ছিল না যা যাত্রা নিয়ন্ত্রণ করা উচিত।

এটি কোনো ছোট বাগ ছিল না। এটি একটি মৌলিক স্থাপত্য সীমাবদ্ধতার লক্ষণ ছিল। প্রাথমিক ভিডিও জেনারেশন মডেলগুলো ভিজ্যুয়াল প্যাটার্ন ম্যাচিংয়ে দক্ষ ছিল, এমন ফ্রেম তৈরি করতে শিখেছিল যা পৃথকভাবে বিশ্বাসযোগ্য দেখাত কিন্তু ক্রমানুসারে দেখলে ভৌতভাবে অসংগত থাকত।

💡

OpenAI স্পষ্টভাবে "morph object" সীমাবদ্ধতাকে একটি মূল সমস্যা হিসেবে তালিকাভুক্ত করেছিল যা Sora 2 সমাধান করার জন্য ডিজাইন করা হয়েছিল। এই স্থাপত্য ফাঁক গবেষক এবং নির্মাতা উভয়কেই হতাশ করেছিল।

ভৌত বোঝাপড়ার তিনটি স্তম্ভ

পদার্থবিদ্যা সিমুলেশনে অগ্রগতি তিনটি পরস্পর সংযুক্ত অগ্রগতির উপর নির্ভর করে: বিশ্ব মডেলিং, চিন্তার শৃঙ্খল যুক্তি, এবং উন্নত টেম্পোরাল অ্যাটেনশন মেকানিজম।

বিশ্ব মডেল বনাম ফ্রেম প্রেডিকশন

ঐতিহ্যগত ভিডিও জেনারেশন কাজটিকে ক্রমিক ফ্রেম প্রেডিকশন হিসেবে বিবেচনা করত: ফ্রেম ১ থেকে N দেওয়া, ফ্রেম N+1 প্রেডিক্ট করা। এই পদ্ধতি সহজাতভাবে পদার্থবিদ্যার সাথে সংগ্রাম করে কারণ এর অন্তর্নিহিত ভৌত অবস্থার কোনো স্পষ্ট উপস্থাপনা নেই।

বিশ্ব মডেলগুলো একটি মৌলিকভাবে ভিন্ন পদ্ধতি গ্রহণ করে। সরাসরি পিক্সেল প্রেডিক্ট করার পরিবর্তে, তারা প্রথমে দৃশ্যের ভৌত অবস্থার একটি অভ্যন্তরীণ উপস্থাপনা তৈরি করে, যার মধ্যে বস্তুর অবস্থান, বেগ, উপকরণ এবং মিথস্ক্রিয়া অন্তর্ভুক্ত। তারপরেই তারা এই অবস্থাকে ভিজ্যুয়াল ফ্রেমে রেন্ডার করে। আমাদের বিশ্ব মডেল বিশ্লেষণে গভীরভাবে অন্বেষণ করা এই পদ্ধতি, ভিডিও জেনারেশন সম্পর্কে আমাদের চিন্তাভাবনায় একটি দৃষ্টান্ত পরিবর্তন উপস্থাপন করে।

✗ফ্রেম প্রেডিকশন

পিক্সেল থেকে পিক্সেল প্রেডিক্ট করে। কোনো স্পষ্ট পদার্থবিদ্যা নেই। টেলিপোর্টেশন, ফেজ-থ্রু ত্রুটি এবং মাধ্যাকর্ষণ লঙ্ঘনের প্রবণ। দ্রুত কিন্তু ভৌতভাবে অসংগত।

✓বিশ্ব মডেল

প্রথমে ভৌত অবস্থা সিমুলেট করে। স্পষ্ট বস্তু ট্র্যাকিং। সংরক্ষণ সূত্র এবং সংঘর্ষ গতিবিদ্যা সম্মান করে। কম্পিউটেশনালভাবে ভারী কিন্তু ভৌতভাবে ভিত্তিযুক্ত।

ভিডিওর জন্য চিন্তার শৃঙ্খল

২০২৫ এর শেষে মুক্তিপ্রাপ্ত Kling O1, ভিডিও জেনারেশনে চিন্তার শৃঙ্খল যুক্তি প্রবর্তন করেছে। ফ্রেম তৈরি করার আগে, মডেলটি স্পষ্টভাবে যুক্তি দেয় দৃশ্যে ভৌতভাবে কী ঘটা উচিত।

টেবিল থেকে গ্লাস পড়ার একটি দৃশ্যের জন্য, মডেলটি প্রথমে যুক্তি দেয়:

গ্লাসের প্রাথমিক বেগ শূন্য, টেবিলের প্রান্তে অবস্থান
মাধ্যাকর্ষণ গ্লাসকে 9.8 m/s² হারে নিচের দিকে ত্বরান্বিত করে
গ্লাস প্রায় 0.45 সেকেন্ড পরে মেঝেতে স্পর্শ করে
গ্লাসের উপাদান ভঙ্গুর, মেঝে শক্ত পৃষ্ঠ
প্রভাব ফ্র্যাকচার থ্রেশহোল্ড অতিক্রম করে, গ্লাস ভেঙে যায়
টুকরোগুলো ভরবেগ সংরক্ষণের সাথে ছড়িয়ে পড়ে

এই স্পষ্ট যুক্তি ধাপটি মডেলের লেটেন্ট স্পেসে ঘটে যেকোনো পিক্সেল তৈরি হওয়ার আগে। ফলাফল এমন ভিডিও যা শুধু ভিজ্যুয়াল নান্দনিকতা নয় বরং কার্যকারণ শৃঙ্খলকেও সম্মান করে।

স্কেলে টেম্পোরাল অ্যাটেনশন

এই অগ্রগতিগুলো সক্ষম করার স্থাপত্য ভিত্তি হল টেম্পোরাল অ্যাটেনশন, যে মেকানিজম দ্বারা ভিডিও মডেলগুলো ফ্রেম জুড়ে সামঞ্জস্য বজায় রাখে। আধুনিক ভিডিও মডেলগুলোকে চালিত করা ডিফিউশন ট্রান্সফরমার আর্কিটেকচার ভিডিওকে স্পেসটাইম প্যাচ হিসেবে প্রক্রিয়া করে, যা অ্যাটেনশনকে ফ্রেমের মধ্যে স্থানিকভাবে এবং তাদের জুড়ে সময়গতভাবে উভয়ই প্রবাহিত হতে দেয়।

আধুনিক ভিডিও মডেলগুলো প্রতি ভিডিওতে লক্ষ লক্ষ স্পেসটাইম প্যাচ প্রক্রিয়া করে, ভৌত সামঞ্জস্যের জন্য নিবেদিত বিশেষায়িত অ্যাটেনশন হেড সহ। এই স্কেল মডেলগুলোকে শত শত ফ্রেম জুড়ে বস্তুর পরিচয় এবং ভৌত অবস্থা ট্র্যাক করতে দেয়, এমন সংগতি বজায় রাখে যা পূর্ববর্তী আর্কিটেকচারগুলোর সাথে অসম্ভব ছিল।

বাস্তব-বিশ্ব পদার্থবিদ্যা বেঞ্চমার্ক

আমরা আসলে কিভাবে পদার্থবিদ্যা সিমুলেশন গুণমান পরিমাপ করি? ক্ষেত্রটি বেশ কয়েকটি প্রমিত পরীক্ষা তৈরি করেছে:

বেঞ্চমার্ক	পরীক্ষা করে	নেতৃস্থানীয়
বস্তুর স্থায়িত্ব	আড়াল হলেও বস্তু থাকে	Sora 2, Veo 3
মাধ্যাকর্ষণ সামঞ্জস্য	মুক্ত পতন ত্বরণ সমান	Kling O1, Runway Gen-4.5
সংঘর্ষ বাস্তবতা	বস্তু যথাযথভাবে বাউন্স, বিকৃত বা ভাঙে	Sora 2, Veo 3.1
তরল গতিবিদ্যা	পানি, ধোঁয়া এবং কাপড় বাস্তবসম্মতভাবে সিমুলেট হয়	Kling 2.6
ভরবেগ সংরক্ষণ	গতি বস্তুর মধ্যে সঠিকভাবে স্থানান্তরিত হয়	Sora 2

Kling মডেলগুলো ধারাবাহিকভাবে তরল গতিবিদ্যায় দক্ষতা দেখিয়েছে, বিশেষ করে চমৎকার পানি সিমুলেশন এবং কাপড়ের পদার্থবিদ্যা সহ। OpenAI এর Sora 2 সংঘর্ষ বাস্তবতা এবং ভরবেগ সংরক্ষণে নেতৃত্ব দেয়, চমৎকার নির্ভুলতার সাথে জটিল বহু-বস্তু মিথস্ক্রিয়া পরিচালনা করে।

💡

পানি, ধোঁয়া এবং কাপড় সিমুলেশনের জন্য, Kling মডেলগুলো বর্তমানে সবচেয়ে বাস্তবসম্মত পদার্থবিদ্যা অফার করে। জটিল বহু-দেহ সংঘর্ষ এবং খেলাধুলার পরিস্থিতির জন্য, Sora 2 শক্তিশালী পছন্দ।

জিমন্যাস্ট পরীক্ষা

সবচেয়ে চাহিদাপূর্ণ পদার্থবিদ্যা বেঞ্চমার্কগুলোর মধ্যে একটি অলিম্পিক জিমন্যাস্টিক্স জড়িত। একজন টাম্বলিং জিমন্যাস্ট জটিল ঘূর্ণন গতিবিদ্যার মধ্য দিয়ে যায়: কৌণিক ভরবেগ সংরক্ষণ, অঙ্গ প্রসারিত এবং সংকুচিত হওয়ার সাথে পরিবর্তনশীল জড়তার মুহূর্ত, এবং টেকঅফ এবং ল্যান্ডিংয়ের জন্য শক্তি প্রয়োগের সুনির্দিষ্ট সময়।

প্রাথমিক ভিডিও মডেলগুলো বাতাসে জিমন্যাস্টদের চমৎকার পৃথক ফ্রেম তৈরি করত কিন্তু পদার্থবিদ্যায় বিপর্যয়করভাবে ব্যর্থ হতো। ঘূর্ণন এলোমেলোভাবে দ্রুত বা ধীর হতো। ল্যান্ডিং অসম্ভব অবস্থানে ঘটত। শরীর এমনভাবে বিকৃত হতো যা শারীরবৃত্তীয় সীমাবদ্ধতা লঙ্ঘন করত।

Sora 2 স্পষ্টভাবে অলিম্পিক জিমন্যাস্টিক্সকে একটি বেঞ্চমার্ক হিসেবে হাইলাইট করেছে যা এটি এখন সঠিকভাবে পরিচালনা করে। মডেলটি পুরো রুটিন জুড়ে জিমন্যাস্টের কৌণিক ভরবেগ ট্র্যাক করে, অঙ্গ যখন ভেতরে টানে তখন ঘূর্ণন ত্বরান্বিত করে (আইস স্কেটার স্পিন ইফেক্ট) এবং যখন প্রসারিত হয় তখন ধীর করে।

উপাদান বোঝাপড়া

পদার্থবিদ্যা সিমুলেশন গতির বাইরে উপাদান বৈশিষ্ট্য পর্যন্ত প্রসারিত। একটি মডেল কিভাবে জানে যে কাচ ভেঙে যায় যখন রাবার বাউন্স করে? যে পানি ছিটকে পড়ে যখন তেল জমা হয়? যে ধাতু প্লাস্টিকভাবে বিকৃত হয় যখন কাঠ ভেঙে যায়?

উত্তর প্রশিক্ষণ ডেটা এবং মডেলের শেখা প্রায়রগুলোতে নিহিত। লক্ষ লক্ষ ভিডিওতে প্রশিক্ষণের মাধ্যমে যা বিশ্বের সাথে উপাদানের মিথস্ক্রিয়া দেখায়, মডেলগুলো অন্তর্নিহিত উপাদান বোঝাপড়া তৈরি করে। কংক্রিটে পড়া একটি কাচ কার্পেটে পড়া কাচ থেকে ভিন্ন ফলাফল তৈরি করে, এবং আধুনিক মডেলগুলো এই পার্থক্য ধরতে পারে।

🧱

উপাদান শ্রেণীবিভাগ

মডেলগুলো এখন উপাদান বৈশিষ্ট্য অনুসারে বস্তুকে অন্তর্নিহিতভাবে শ্রেণীবদ্ধ করে: ভঙ্গুর বনাম নমনীয়, স্থিতিস্থাপক বনাম প্লাস্টিক, সংকোচনযোগ্য বনাম অসংকোচনযোগ্য।

💨

তরল প্রকার

বিভিন্ন তরল সান্দ্রতা এবং পৃষ্ঠ টান সঠিকভাবে পরিচালনা করা হয়: পানি ছিটকায়, মধু গড়ায়, ধোঁয়া উঠে।

🔥

দহন পদার্থবিদ্যা

আগুন এবং বিস্ফোরণ সাধারণ কণা প্রভাবের পরিবর্তে বাস্তবসম্মত তাপ প্রচার এবং গ্যাস গতিবিদ্যা অনুসরণ করে।

সীমাবদ্ধতা এবং প্রান্ত ক্ষেত্রে

এই অগ্রগতি সত্ত্বেও, AI ভিডিওতে পদার্থবিদ্যা সিমুলেশন অসম্পূর্ণ রয়ে গেছে। বেশ কয়েকটি পরিচিত সীমাবদ্ধতা অব্যাহত:

দীর্ঘমেয়াদী স্থিতিশীলতা: পদার্থবিদ্যা 5-10 সেকেন্ডের জন্য সঠিক থাকে কিন্তু দীর্ঘ সময়কালে ড্রিফট করতে পারে। বর্ধিত ভিডিও ধীরে ধীরে সংরক্ষণ সূত্র লঙ্ঘন করতে পারে।

জটিল বহু-দেহ সিস্টেম: দুটি বস্তু সংঘর্ষ ভালো কাজ করলেও, ডজন ডজন মিথস্ক্রিয়াশীল বস্তু (যেমন পতনশীল জেঙ্গা টাওয়ার) সহ দৃশ্য ত্রুটি তৈরি করতে পারে।

অস্বাভাবিক উপাদান: প্রশিক্ষণ ডেটা পক্ষপাত মানে সাধারণ উপাদান (পানি, কাচ, ধাতু) বহিরাগতদের (নন-নিউটনিয়ান তরল, চৌম্বক উপাদান) থেকে ভালো সিমুলেট করে।

চরম অবস্থা: খুব ছোট স্কেলে (আণবিক), খুব বড় স্কেলে (জ্যোতির্বিদ্যা), বা চরম অবস্থায় (আলোর গতির কাছাকাছি) পদার্থবিদ্যা প্রায়ই ব্যর্থ হয়।

⚠️

30 সেকেন্ডের বেশি দীর্ঘ ভিডিওর জন্য পদার্থবিদ্যা সিমুলেশন নির্ভুলতা উল্লেখযোগ্যভাবে হ্রাস পায়। দীর্ঘ-ফর্ম বিষয়বস্তুর জন্য, সীমানায় ভৌত ধারাবাহিকতার প্রতি সতর্ক মনোযোগ সহ ভিডিও প্রসারণ কৌশল ব্যবহার করার কথা বিবেচনা করুন।

নির্মাতাদের জন্য প্রভাব

উন্নত পদার্থবিদ্যা সিমুলেশন ভিডিও নির্মাতাদের জন্য কী মানে?

প্রথমত, এটি পোস্ট-প্রোডাকশন সংশোধনের প্রয়োজনীয়তা নাটকীয়ভাবে হ্রাস করে। দৃশ্যগুলো যা আগে ভৌত অসম্ভবতা সংশোধন করতে সতর্ক সম্পাদনা প্রয়োজন ছিল এখন প্রথমবারেই সঠিকভাবে তৈরি হয়।

দ্বিতীয়ত, এটি নতুন সৃজনশীল সম্ভাবনা সক্ষম করে। সঠিক পদার্থবিদ্যা সিমুলেশন মানে রুব গোল্ডবার্গ মেশিন, খেলাধুলার সিকোয়েন্স এবং অ্যাকশন দৃশ্য কষ্টকর ম্যানুয়াল সংশোধন ছাড়াই তৈরি করা যেতে পারে।

তৃতীয়ত, এটি দর্শকের উপলব্ধি উন্নত করে। দর্শকরা অবচেতনভাবে পদার্থবিদ্যা লঙ্ঘন সনাক্ত করে, যা ভৌতভাবে সঠিক ভিডিওকে আরও বাস্তব অনুভব করায় এমনকি যখন পার্থক্য স্পষ্ট করা কঠিন।

সামনের পথ

পদার্থবিদ্যা সিমুলেশন বিভিন্ন অক্ষ বরাবর উন্নতি অব্যাহত রাখবে:

দীর্ঘ টেম্পোরাল সামঞ্জস্য: বর্তমান মডেলগুলো সেকেন্ডের জন্য পদার্থবিদ্যা বজায় রাখে, ভবিষ্যতের মডেলগুলো মিনিটের জন্য বজায় রাখবে।

আরও জটিল মিথস্ক্রিয়া: শত শত মিথস্ক্রিয়াশীল বস্তু সহ দৃশ্য সম্ভবপর হবে।

শেখা পদার্থবিদ্যা ইঞ্জিন: প্রশিক্ষণ ডেটা থেকে অন্তর্নিহিত পদার্থবিদ্যার পরিবর্তে, ভবিষ্যতের মডেলগুলো একটি উপাদান হিসেবে স্পষ্ট পদার্থবিদ্যা সিমুলেশন অন্তর্ভুক্ত করতে পারে।

রিয়েল-টাইম পদার্থবিদ্যা: বর্তমানে পদার্থবিদ্যা-সচেতন জেনারেশন ধীর, কিন্তু অপ্টিমাইজেশন ভৌত নির্ভুলতার সাথে রিয়েল-টাইম জেনারেশন সক্ষম করতে পারে।

টেলিপোর্টিং বাস্কেটবল থেকে বাস্তবসম্মত বাউন্সের যাত্রা AI ভিডিও জেনারেশনে সবচেয়ে উল্লেখযোগ্য অগ্রগতিগুলোর একটি প্রতিনিধিত্ব করে। মডেলগুলো শিখেছে, যদি মানুষের মতো পদার্থবিদ্যা বুঝতে না পারে, অন্তত এর সীমাবদ্ধতাগুলো সম্মান করতে। নির্মাতাদের জন্য, এর মানে কম সংশোধন, বেশি সম্ভাবনা, এবং ভিডিও যা কেবল আরও বাস্তব অনুভব করে।

নিজে চেষ্টা করুন: Bonega.ai Veo 3 ব্যবহার করে, যা বাস্তবসম্মত বস্তু গতিবিদ্যার জন্য উন্নত পদার্থবিদ্যা সিমুলেশন অন্তর্ভুক্ত করে। জটিল পদার্থবিদ্যা সহ দৃশ্য তৈরি করুন এবং দেখুন মডেলটি কিভাবে মাধ্যাকর্ষণ, সংঘর্ষ এবং উপাদান মিথস্ক্রিয়া পরিচালনা করে।