본 논문은 연구 논문을 구조화된 비디오 요약으로 변환하는 "paper-to-video" 작업에 대해 다룹니다. 기존의 최첨단 비디오 생성 모델들이 제한된 컨텍스트 창, 고정된 비디오 지속 시간 제약, 제한된 스타일 다양성, 그리고 도메인 특정 지식을 표현하지 못하는 한계를 가지고 있음을 지적하며, 이러한 한계를 해결하기 위해 최초의 paper-to-video 에이전트 시스템인 "Preacher"를 제시합니다. Preacher는 상위-하위 방식을 활용하여 논문을 분해, 요약, 재구성하고, 다양한 비디오 세그먼트를 결합하여 일관된 요약 비디오를 생성합니다. 크로스-모달 표현을 정렬하기 위해 주요 장면을 정의하고, 세분화된 반복적 계획을 위한 Progressive Chain of Thought (P-CoT)를 도입합니다. Preacher는 다섯 개의 연구 분야에서 고품질 비디오 요약을 성공적으로 생성하여 기존 비디오 생성 모델을 뛰어넘는 전문성을 보여줍니다.
