跳到正文
arXiv · 机器人与计算机视觉· Zhixiao Wang, Yang Chen, Yifan Xu, Chenbin Li, Yue Chang, Kai Long, Fengming Dong, Limin Wang·· 2026-10-19精选AI 评分78

ProactGen:一种通过主动澄清实现视频生成的框架

ProactGen: Learning Proactive Clarification for Video Generation

AI 导读

针对自然语言描述生成高质量视频时意图匹配耗时的问题,本文提出 ProactGen 框架。该框架利用强化学习训练视觉语言模型作为提问策略,基于生成的视频草稿主动向用户询问关键信息以明确意图。实验表明,ProactGen 在目标对齐方面比直接生成提升至少 1.8 倍,且单轮澄清的时间效率优于最强基线经过四轮迭代的效果。

推荐理由

提出 ProactGen 框架,利用强化学习训练视觉语言模型主动提问以澄清用户意图,显著降低生成迭代成本并提升与目标的一致性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org