본 논문은 다중 샷 생성에서의 영화적 연속성과 편집 패턴의 중요성을 강조하며, 기존 방법들의 한계를 극복하기 위해 새로운 프레임워크인 Cut2Next를 제시합니다. Cut2Next는 Diffusion Transformer(DiT)를 기반으로 계층적 다중 프롬프팅 전략을 사용하여 다음 샷을 생성합니다. 계층적 다중 프롬프팅은 관계형 프롬프트와 개별 프롬프트를 활용하여 전반적인 맥락과 샷 간의 편집 스타일, 각 샷의 내용 및 영화적 속성을 지정합니다. Context-Aware Condition Injection (CACI)와 Hierarchical Attention Mask (HAM)과 같은 구조적 혁신을 통해 다양한 신호를 매개변수 추가 없이 통합합니다. 대규모 RawCuts 데이터셋과 정제된 CuratedCuts 데이터셋을 구축하고, 평가를 위한 CutBench를 제시합니다. 실험 결과, Cut2Next는 시각적 일관성과 텍스트 충실도에서 우수한 성능을 보이며, 특히 사용자 연구를 통해 의도된 편집 패턴과 영화적 연속성 준수에 대한 높은 선호도를 확인하여 고품질의 서술적이고 영화적으로 일관된 다음 샷 생성 능력을 검증합니다.
