論文の概要: SEAM: Shot Entity-Attribute Memory for Consistent Short-Drama Generation at Scale

• arxiv url: http://arxiv.org/abs/2608.22725v1
• Date: Mon, 24 Aug 2026 02:27:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.87166
• Title: SEAM: Shot Entity-Attribute Memory for Consistent Short-Drama Generation at Scale
• Title（参考訳）: SEAM: Consistent Short-Drama Generation at ScaleのためのEntity-Attribute Memory
• Abstract要約: ショートドラマ・ジェネレーションは、大規模で工業化されたパイプラインへと成長した。 現在のエージェントフレームワークは、それぞれのショットを分離して生成するので、ショットやプロップ、文字の姿勢、ブロッキングターンの不整合といったコンテキストドリフトを行う。 トレーニング不要でモデルに依存しないメモリグラフであるSEAMを,プロンプトテキスト層における連続性を完全に修復する。
• 参考スコア（独自算出の注目度）: 36.08747285600271
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Short-drama generation has grown into a large, industrialized pipeline, and as it scales from isolated shots to the episode level, visual continuity has become a critical bottleneck. Current agent frameworks generate each shot in isolation, so context drifts across shots and props, character posture, and blocking turn inconsistent. Once assembled, these small discrepancies amplify into severe visual breaks. We present SEAM (Shot Entity-Attribute Memory), a training-free, model-agnostic memory graph that repairs continuity entirely at the prompt-text layer by extracting a multi-dimensional state for every shot, retrieving only causally prior context over the resulting graph, filtering it selectively, and injecting the surviving constraints by natural-language prompt rewriting. We further release SEAM-Bench, a double-blind continuity storyboarding benchmark, on which SEAM raises cross-episode continuity recall from 0.700 to 0.946, generalizes across six mainstream text models, and yields consistent, though not yet significant, gains at the generated-image layer. Deployed as a mandatory stage in CreativeFitting's SEAM-Agent production pipeline over 201 shots, SEAM reaches a 96.5% director-acceptance rate with zero unsafe injections; a conservative counterfactual attributes at least 21.9 percentage points of that rate to its cross-episode memory.
• Abstract（参考訳）: ショートドラマ生成は大規模で工業化されたパイプラインに成長し、孤立したショットからエピソードレベルにスケールするにつれて、視覚的連続性が重要なボトルネックとなっている。 現在のエージェントフレームワークは、それぞれのショットを分離して生成するので、ショットやプロップ、文字の姿勢、ブロッキングターンの不整合といったコンテキストドリフトを行う。 一度組み立てると、これらの小さな相違は深刻な視覚障害に増幅する。 提案するSEAM(Shot Entity-Attribute Memory)は,任意のショットに対して多次元の状態を抽出し,結果のグラフに対して因果的に先行したコンテキストのみを抽出し,選択的にフィルタリングし,自然言語のプロンプト書き換えによって継続した制約を注入することにより,プロンプトテキスト層における連続性を完全に修復する,トレーニングフリーでモデルに依存しないメモリグラフである。 さらに、SEAM-Benchという2段階連続性ストーリーボードのベンチマークをリリースし、SEAMは0.700から0.946までのエピソード間連続性をリコールし、6つの主流テキストモデルにまたがって一般化し、生成画像層で一貫した結果を得る。 クリエイティブフィッティングのSEAM-Agent生産パイプラインの201枚以上の撮影で必須の段階として展開され、SEAMは96.5%のディレクター受け入れ率に達し、安全でない注入はゼロである。

関連論文リスト

• SketchMamba: A Lightweight State-Space Model for Joint Progressive Sketch Classification and Stroke Auto-Completion [0.0]
  既存のベクトルスケッチモデルは、認識と生成を別のタスクとして扱う。 スケッチマンバ(SketchMamba)は、任意の部分的な接頭辞からスケッチを連続的に分類し、その継続を同時に生成する単一因果配列モデルである。
  論文  参考訳（メタデータ） (2026-07-26T10:05:23Z)
• Where to Refine, When to Stop: Rethinking Redundancy via Latent Discrepancy for Efficient Visual Autoregressive Generation [50.139984798361375]
  遅延不一致による冗長性を除去する学習自由フレームワークを提案する。 LD-Pruningは、Infinity-8Bの最大2.35倍のスピードアップを実現し、高い生成品質を維持しながら推論を大幅に削減する。
  論文  参考訳（メタデータ） (2026-05-29T19:34:39Z)
• A Progressive Training Strategy for Vision-Language Models to Counteract Spatio-Temporal Hallucinations in Embodied Reasoning [49.61652671596548]
  「多像幻覚推論」では、前頭と時頭クエリ間の大規模なパフォーマンス低下は、真に理解するのではなく、表面的なショートカットへの依存を示す。 これを軽減するために、我々は、チェーンステップへの詳細な推論と決定的な判断に基づく、時間的連鎖構築という新しいデータセットを開発する。 実験により,本手法は精度を向上するだけでなく,70%以上から6.53%まで,前向きのパフォーマンスギャップも改善することが示された。
  論文  参考訳（メタデータ） (2026-04-12T07:48:44Z)
• ShotStream: Streaming Multi-Shot Video Generation for Interactive Storytelling [31.758254551463406]
  ShotStreamはインタラクティブなストーリーテリングを可能にする新しい因果的マルチショットアーキテクチャである。 サブ秒のレイテンシでコヒーレントなマルチショットビデオを生成し、1つのGPUで16 FPSを達成する。
  論文  参考訳（メタデータ） (2026-03-26T17:59:59Z)
• Weakly Supervised Continuous Micro-Expression Intensity Estimation Using Temporal Deep Neural Network [0.0]
  弱い時間ラベルのみを用いた連続的マイクロ圧縮強度推定のための統一的なフレームワークを提案する。 単純な三角形の先行は、スパース時間的ランドマークを密度の高い擬似強度軌跡に変換する。 SAMMとCASME IIの実験は擬似強度軌道と強い時間的一致を示した。
  論文  参考訳（メタデータ） (2025-11-30T23:47:47Z)
• VideoGen-of-Thought: Step-by-step generating multi-shot video with minimal manual intervention [70.61101071902596]
  現在のビデオ生成モデルは短いクリップで優れているが、解離した視覚力学と破折したストーリーラインのため、凝集性のある複数ショットの物語を生成できない。 一つの文から複数ショットのビデオ合成を自動化する,ステップバイステップのフレームワークであるVideoGen-of-Thought (VGoT)を紹介した。 VGoTは、ショット内の顔の一貫性が20.4%、スタイルの一貫性が17.4%向上するマルチショットビデオを生成する。
  論文  参考訳（メタデータ） (2025-03-19T11:59:14Z)
• VideoGen-of-Thought: Step-by-step generating multi-shot video with minimal manual intervention [76.3175166538482]
  VideoGen-of-Thought(VGoT)は、単一の文から複数ショットのビデオ合成を自動化するステップバイステップのフレームワークである。 VGoTは、ナラティブな断片化、視覚的不整合、トランジションアーティファクトの3つの課題に対処する。 トレーニング不要のパイプラインで組み合わせられたVGoTは、ショット内面の一貫性が20.4%、スタイルの一貫性が17.4%向上した。
  論文  参考訳（メタデータ） (2024-12-03T08:33:50Z)
• DIR-AS: Decoupling Individual Identification and Temporal Reasoning for Action Segmentation [84.78383981697377]
  完全な教師付きアクションセグメンテーションは、高密度アノテーションによるフレームワイドアクション認識に作用し、しばしば過剰なセグメンテーションの問題に悩まされる。 本研究では, 時間的ピラミッド拡張と時間的ピラミッドプールを併用して, 効率的なマルチスケールアテンションを実現するため, 新たなローカル・グローバルアテンション機構を開発した。 GTEAでは82.8%(+2.6%)、Breakfastでは74.7%(+1.2%)の精度を実現し,本手法の有効性を示した。
  論文  参考訳（メタデータ） (2023-04-04T20:27:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。