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.

Video Text Preservation with Synthetic Text-Rich Videos

Created by
  • Haebom
Category
Empty

저자

Ziyang Liu, Kevin Valencia, Justin Cui

개요

본 논문은 텍스트-비디오(T2V) 모델이 비디오 내에서 읽을 수 있고 일관된 텍스트를 생성하는 데 어려움을 겪는 문제를 해결하기 위해, 가벼운 접근 방식을 제시합니다. 구체적으로, 텍스트-이미지(T2I) 모델을 사용하여 텍스트가 풍부한 이미지를 생성하고, 이를 텍스트 무관 이미지-비디오(I2v) 모델로 짧은 비디오로 변환하여 합성 데이터셋을 구축합니다. 이 데이터셋을 사용하여 사전 훈련된 T2V 모델인 Wan2.1을 미세 조정하며, 구조적 우선순위를 통해 짧은 텍스트 가독성과 시간적 일관성을 개선합니다.

시사점, 한계점

시사점:
합성 데이터와 약한 지도 학습을 활용하여 텍스트-비디오 생성의 텍스트 충실도를 향상시키는 실용적인 방법을 제시했습니다.
추가적인 구조 변경 없이 기존 T2V 모델을 미세 조정하여 성능을 개선할 수 있음을 입증했습니다.
짧은 텍스트의 가독성과 시간적 일관성을 개선하고, 더 긴 텍스트에 대한 구조적 우선순위를 생성하는 데 성공했습니다.
한계점:
논문에서 구체적인 한계점에 대한 언급은 없습니다.
👍