跳到正文
Hugging Face Daily Papers·· 28 天前精选AI 评分82

DirCast:基于单一流式视频语言模型的实时电竞导播与解说

DirCast: Live Esports Directing and Commentary with a Single Streaming Video-Language Model

AI 导读

论文 DirCast 提出一种单流式视频语言模型,能够仅凭过去画面同时完成多机位导播决策与实时解说。该模型每秒以低分辨率扫描所有摄像头决定切换,再以高分辨率读取选定画面进行语音生成,并通过上下文管理控制计算成本。

推荐理由

该工作提出单流视频语言模型同时完成直播导播与解说,在 Dota 2 数据集上表现优于规则基线与零样本方法。

来源:Hugging Face Daily Papers · arxiv.org