跳到正文
arXiv · 机器人与计算机视觉· Peiyuan Zhu, Shaoan Xie, Yifan Shen, Wen Tian, Zijian Li, Guangyi Chen, Kun Zhang·· 20 天前AI 评分72

MEV:一个用于长镜头生成的多事件视频数据集

MEV: A Multi-Event Video Dataset for Long-Take Generation

AI 导读

当前文生视频数据集多局限于单事件短片段或粗糙描述,难以建模长镜头时序依赖。本文引入 MEV 数据集,提供高质量真实世界视频,主体可执行一系列非重叠的独立事件,具备精确的时间边界和细粒度过程标注。配套的事件级分割与结构化注释管道支持全局及事件级 caption 生成。基于该数据集与时序锚定事件条件的微调实验显示,多事件生成的过渡更平滑、内容更连贯。

来源:arXiv · 机器人与计算机视觉 · arxiv.org