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%
← К новостям

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.

Впервые опубликовано изданием MarkTechPost

Читать оригинал на MarkTechPost ↗

Репортаж и изображение принадлежат MarkTechPost и указаны выше со ссылкой на оригинал; текст на этой странице — собственное изложение Sakhanda Wire.

← К новостям

Ещё новости

Все последние новости