arXiv · 机器人与计算机视觉· Junnuo Wang, Weihan Xu, Hao-Wen Dong·· 14 天前AI 评分58
Clips2Story:基于多模态检索嵌入的免训练视频故事板生成与编辑方法
Clips2Story: Training-Free Video Storyboarding and Editing Using Multimodal Retrieval-Embedded Generation
AI 导读
论文介绍 Clips2Story,一种无需训练的 LLM 基流水线,能从视频片段池中根据用户指定关键词提取多模态描述符、检索相关片段并编排成连贯的故事板。研究构建了包含五个类别共 100 部长视频的合成评估数据集(通过场景切换检测打乱时序),客观与主观评测均显示该方法在叙事连贯性、关键词对齐和整体真实感上优于强基线。
来源:arXiv · 机器人与计算机视觉 · arxiv.org