Google Research представила чотири фреймворки для довгих відео
Google Research представила ШІ-систему «співрежисер», яка перетворює короткі згенеровані кліпи на зв’язні багатосценові історії тривалістю кілька хвилин. Вона має зменшити дрейф ідентичності — наприклад, зміни одягу чи оточення — і каскадні помилки, коли несправний ранній ресурс впливає на всі наступні сцени. Система працює як незалежний від конкретної моделі шар оркестрації над Gemini та Veo; результати базових моделей зберігають водяний знак SynthID.
До набору входять чотири фреймворки. Co-Director застосовує пошук за принципом багаторукого бандита для вибору творчих і наративних налаштувань, а потім залучає агентів для розкадрування, створення медіа та оцінювання. CANVAS зберігає візуальну інформацію про персонажів, локації й об’єкти. A²RD генерує відео сегмент за сегментом із мультимодальною пам’яттю, тоді як VQQA створює візуальні запитання та уточнює текстові запити на основі критики моделей.
За даними Google, Co-Director набрав 81.4 у GenAD-Bench і отримав оцінку людей 3.96 із 5. У тестах CANVAS покращив узгодженість тла, персонажів і реквізиту, а A²RD створив безперервний 10-хвилинний фільм. Код Co-Director і A²RD оприлюднено, а код CANVAS планують випустити. Повний конвеєр не є продуктом Google.
Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.