Sakhanda Wire
NVDA $152.58 -2.28% MSFT $506.11 -2.29% GOOGL $279.81 -1.38% META $619.07 -1.17% AMZN $256.55 -0.47%
← Към новините

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.

Първоначално публикувано от MarkTechPost на

Прочетете оригинала в MarkTechPost ↗

Репортажът и изображението принадлежат на MarkTechPost и са посочени по-горе с връзка към оригинала; текстът на тази страница е собствено изложение на Sakhanda Wire.

← Към новините

Още новини

Всички последни новини