**视频扩散模型为何违反物理？研究揭示注意力机制缺陷**

_Why Do Video Diffusion Models Violate Physics? Unveiling the Flaws in Attention Mechanisms_

> 该研究首次对文生视频扩散模型的“运动规划”过程开展可解释性分析，发现运动轨迹在早期去噪阶段形成；结合交叉注意力轨迹模式与因果注意力头贡献，定位出驱动运动规划的特定注意力头。自注意力分析显示，RoPE 导致空间注意力过度衰减，使早期候选区域过早锁定在物理上不合理的位置，抑制相邻帧的合理轨迹，从而引发生成失败。作者提出轻量级架构改动，在不同去噪步缩放 RoPE 频率以缓解衰减，训练无关与需训练实验均证明可提升生成视频的物理常识。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.23658)