Google Research представи четири рамки за последователни дълги видеа
Google Research представи AI „сърежисьор“, предназначен да превръща кратки генерирани клипове в последователни многосценови истории с продължителност до няколко минути. Системата адресира разминаването в идентичността — например промени в облеклото или декора — и каскадните грешки, при които дефектен ранен ресурс засяга следващите сцени. Тя работи като моделно независим оркестрационен слой върху Gemini и Veo, чиито резултати запазват водния знак SynthID.
Комплектът включва четири рамки. Co-Director използва търсене с многорък бандит за избор на творчески и наративни настройки, след което комбинира агенти за сценарен план, генериране на медия и оценяване. CANVAS поддържа визуална памет за персонажи, места и обекти. A²RD създава видеото сегмент по сегмент чрез мултимодална памет, а VQQA генерира визуални въпроси и преработва подсказките според критики от модели.
Според данните на Google Co-Director е получил резултат 81.4 в GenAD-Bench и човешка оценка 3.96 от 5. В тестовете CANVAS е подобрил последователността на фона, персонажите и реквизита, а A²RD е създал непрекъснат 10-минутен филм. Кодът на Co-Director и A²RD е публичен, докато кодът на CANVAS предстои да бъде публикуван. Пълният комплект не е продукт на Google.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на MarkTechPost. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.