Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

VideoGen-of-Thought: Step-by-step generating multi-shot video with minimal manual intervention

Created by
  • Haebom

저자

Mingzhe Zheng, Yongqi Xu, Haojian Huang, Xuran Ma, Yexin Liu, Wenjie Shu, Yatian Pang, Feilong Tang, Qifeng Chen, Harry Yang, Ser-Nam Lim

개요

VGoT는 단일 문장으로부터 다중 샷 비디오를 자동으로 합성하는 프레임워크로, 분절된 시각적 역학과 단절된 스토리라인으로 인해 단편 클립 제작에만 강점을 보이는 기존 비디오 생성 모델의 한계를 극복하고자 한다. VGoT는 스토리텔링, 시각적 일관성, 전환 인공물 문제를 해결하기 위해 동적 스토리라인 모델링, ID 인식 교차 샷 전파, 인접 잠재 전환 메커니즘을 활용하며, 훈련 없이도 강력한 기준선을 능가한다.

시사점, 한계점

시사점:
단일 문장 기반의 자동 다중 샷 비디오 생성.
동적 스토리라인 모델링을 통한 구조화된 스토리텔링.
ID 인식 교차 샷 전파를 통한 캐릭터 일관성 유지.
인접 잠재 전환 메커니즘을 통한 부드러운 시각적 흐름.
강력한 기준선 대비 향상된 성능 (얼굴 일관성 20.4%, 스타일 일관성 17.4%).
수동 조정 요구 사항 감소 (10배 적음).
한계점:
논문에서 구체적인 한계점은 명시되지 않음.
👍