Google Research представила четыре фреймворка для длинных видео
Google Research представила ИИ-систему «содиректор», которая превращает короткие сгенерированные клипы в связные многосценовые истории продолжительностью в несколько минут. Она призвана уменьшить дрейф идентичности — например, изменения одежды или окружения — и каскадные сбои, когда ошибка в раннем элементе влияет на последующие сцены. Система работает как не зависящий от конкретной модели оркестрационный слой над Gemini и Veo; их результаты сохраняют водяной знак SynthID.
В набор входят четыре фреймворка. Co-Director применяет поиск по схеме многорукого бандита для выбора творческих и повествовательных настроек, а затем подключает агентов для раскадровки, генерации медиа и оценки. CANVAS хранит визуальную информацию о персонажах, локациях и объектах. A²RD создаёт видео сегмент за сегментом с помощью мультимодальной памяти, тогда как VQQA формирует визуальные вопросы и уточняет текстовые запросы на основе критики моделей.
По данным Google, Co-Director получил 81.4 балла в GenAD-Bench и среднюю оценку людей 3.96 из 5. В тестах CANVAS повысил согласованность фона, персонажей и реквизита, а A²RD создал непрерывный 10-минутный фильм. Код Co-Director и A²RD опубликован, выпуск кода CANVAS ожидается. Полный конвейер не является продуктом Google.
Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.