arXiv · cs.AI· Yingshuang Zou·· 8 天前AI 评分37
Mise-en-Video：面向多镜头视频生成的细粒度 3D 控制框架
Mise-en-Video: Fine-Grained 3D Control for Multi-Shot Video Generation
来源与原文
arXiv · cs.AI
作者：Yingshuang Zou
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.26801v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 Mise-en-Video（MeV），一个高可控的多镜头视频生成框架，允许创作者在 3D 空间中进行场面调度并生成对应的多镜头视频。该框架结合层次化注意力机制实现多级叙事一致性，并通过 3D 感知布局引导实现逐镜头的精确空间控制。团队还构建了包含 160K 视频的数据集，实验显示 MeV 在视频质量、镜头间一致性和主体级可控性上均优于强基线。
来源：arXiv · cs.AI · arxiv.org