论文页面 - ContextMaster：通过固定预算稀疏上下文路由实现交互式多镜头视频创作

来源：https://huggingface.co/papers/2608.04956 发布于 8月5日

·

提交者 xuguo 于 8月7日

作者：

,

,

,

,

,

,

,

,

,

,

,

,

摘要

近期视频模型日益支持在单一模型内进行生成、参考条件控制和编辑，但通常将它们作为针对固定输入的独立操作来呈现。实际创作往往跨越多个镜头展开，要求一个模型能够从文本生成、跟随参考或编辑源视频，同时保持共享的历史信息。我们将这一场景形式化为交互式多镜头视频创作（IMVC），并引入ContextMaster——一个为这些操作提供角色感知上下文表示的统一模型。交互式模型必须保留对不断扩展的历史记录的访问，同时不能让每个去噪步骤的上下文读取成本增长。ContextMaster结合可复用的干净上下文状态与固定预算的稀疏上下文路由，并使用Constraint Sink来保持任务约束可见。为了应对稀疏上下文访问和少步去噪推理的双重挑战，我们提出了一种两阶段特权上下文蒸馏框架，该框架通过一致性蒸馏将完整上下文行为从密集教师模型迁移出来，然后通过分布匹配来优化部署时的推演。在三个原始任务上的实验表明，相较于专门的基线，任务完成度和跨镜头一致性均有提升。用户研究进一步验证了灵活组合的工作流，同时该模型在单块GPU上达到16 FPS。

查看 arXiv 页面 (https://arxiv.org/abs/2608.04956)查看 PDF (https://arxiv.org/pdf/2608.04956)项目页面 (https://guoxu1233.github.io/ContextMaster/)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.04956)

在你的智能体中获取此论文：

hf papers read 2608\.04956

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

引用此论文的模型0

暂无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2608.04956，即可从本页关联该模型。

引用此论文的数据集0

暂无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2608.04956，即可从本页关联该数据集。

引用此论文的 Space0

暂无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2608.04956，即可从本页关联该 Space。

包含此论文的收藏集0

暂无收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 即可从本页链接到它。