论文页面 - ShotPlan：基于可学习规划令牌的电影级视频生成

来源：https://huggingface.co/papers/2607.17675 发布于 7月20日

·

由 https://huggingface.co/Pensioner 提交

suguo (https://huggingface.co/Pensioner) 于 7月21日

摘要

当前视频生成模型在单镜头生成方面取得了令人瞩目的成果，但在电影级视频生成方面仍存在局限——连贯的叙事和高效的多镜头构图需要明确的镜头规划。为应对这一挑战，我们提出ShotPlan框架，该框架基于视频扩散基础模型构建，能够显式地进行多镜头电影级视频生成。该方法引入可学习的规划令牌（planning tokens），用于捕获镜头级别的过渡线索，并能与原始视频生成令牌无缝集成，从而控制过渡时间戳。与标准视频生成令牌不同，所提出的规划令牌配备了分数阶时间旋转位置编码（FRoPE），可在帧级别对镜头过渡进行建模。实验表明，ShotPlan在性能上显著优于现有电影级视频生成方法，提供更灵活的镜头管理和更强的镜头间一致性。

查看 arXiv 页面 (https://arxiv.org/abs/2607.17675)查看 PDF (https://arxiv.org/pdf/2607.17675)项目页面 (https://pensioner-11.github.io/ShotPlan/)GitHub5 (https://github.com/Pensioner-11/ShotPlan)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.17675)

在你的代理中获取本篇论文：

hf papers read 2607.17675

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

引用本论文的模型0

暂无模型关联本论文

请在模型 README.md 中引用 arxiv.org/abs/2607.17675 以从本页面链接。

引用本论文的数据集0

暂无数据集关联本论文

请在数据集 README.md 中引用 arxiv.org/abs/2607.17675 以从本页面链接。

引用本论文的Space0

暂无Space关联本论文

请在Space README.md 中引用 arxiv.org/abs/2607.17675 以从本页面链接。

包含本论文的收藏集0

暂无收藏集包含本论文

请将本论文添加至一个收藏集 (https://huggingface.co/new-collection) 以从本页面链接。