论文页面 - CineRecon：面向 Agentic 电影级重建的前沿模型基准测试

来源：https://huggingface.co/papers/2610.16577

摘要

将参考视频重建为可编辑的动态 3D 场景，是实现影视制作中可控视频生成的一条重要路径：这些场景提供可修改、可渲染的视觉代理，使用户能够对场景布局、主体动作和摄像机行为进行显式控制。为了评估智能体从动态参考视频中重建可编辑动态 3D 场景的能力，我们提出了 CineRecon，一个包含 50 个参考视频和 360 个标注评估片段的基准。参考视频涵盖电影、实拍素材和游戏画面。给定一段完整视频，智能体使用工具进行构建、动画生成、渲染和精化重建。我们在三种表示设定下评估该任务：Proxy（代理）、Simplified（简化） 和 Detailed（精细）。这些设定逐步提高几何和外观要求，同时保持对空间关系、摄像机行为和主体动态的要求不变。这种设计旨在检验智能体在不需要精细外观的情况下能否复现视频中的事件，以及随着表示要求提高，性能如何变化。在评估中，我们构建了检查清单，将可观察的属性和事件与特定实体和时间戳关联起来。一个视觉-语言评审模型对时间戳对齐的参考帧和渲染帧进行跨 11 个类别的比较，这些类别归入摄像机、静态一致性和动态一致性三个维度。我们使用对应的智能体框架评估了 12 个模型，发现它们在所有三个维度上均存在失败。即使在 Proxy 设定下，主体运动和交互的复现仍然十分困难。

查看 arXiv 页面 (https://arxiv.org/abs/2610.16577) · 查看 PDF (https://arxiv.org/pdf/2610.16577) · 项目页面 (https://cinerecon.github.io/) · GitHub (https://github.com/Unc1eW4ng/CineRecon) · 添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2610.16577)

在您的智能体中获取本文：

hf papers read 2610.16577

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型：0

暂无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2610.16577 即可从此页面关联。

引用本文的数据集：0

暂无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2610.16577 即可从此页面关联。

引用本文的 Spaces：0

暂无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2610.16577 即可从此页面关联。

收录本文的收藏集：0

暂无收藏集收录本文

将本文添加到收藏集 (https://huggingface.co/new-collection) 即可从此页面关联。