論文の概要: CineForge: Self-Improving Agents for Long-Horizon Video Generation
- arxiv url: http://arxiv.org/abs/2608.29621v1
- Date: Sun, 30 Aug 2026 07:29:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.02339
- Title: CineForge: Self-Improving Agents for Long-Horizon Video Generation
- Title（参考訳）: CineForge: 長距離ビデオ生成のための自己改善エージェント
- Abstract要約: ロングホライゾンのストーリー駆動ビデオ生成は、物語の分解、状態追跡、ショットデザイン、素早い構築、レンダリング、相互依存シーン間のリビジョンをコーディネートするためのプロダクションエージェントを必要とする。
本稿では,CineForge-EvolveとCineForge-Produceを結合した自己進化型ビデオ制作エージェントフレームワークCineForgeを紹介する。
CineForge-Evolveは、CPPE(Case-to-Pattern-to-Policy Evolution)を使用して、軌道証拠をレビューし、再帰的な結果を有界なステージローカルパッチに集約し、構造的リプレイと信頼性制御されたペアリング評価を通じて検証された更新をデプロイする。
- 参考スコア（独自算出の注目度）: 14.130480362330431
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-horizon story-driven video generation requires a production agent to coordinate narrative decomposition, state tracking, shot design, prompt construction, rendering, and revision across interdependent scenes. Existing adaptive video systems primarily refine requests or reusable skills, leaving recurring production failures disconnected from persistent, stage-targeted improvements across stories. We introduce CineForge, a self-evolving video-production agent framework that couples CineForge-Produce for video generation with CineForge-Evolve for cross-story policy evolution. CineForge-Produce organizes each source story into typed narrative, character, spatial, and cinematic states, uses them to coordinate asset and clip generation, and records the process as a canonical production trajectory. CineForge-Evolve applies Case-to-Pattern-to-Policy Evolution (CPPE) to review trajectory evidence, consolidate recurrent findings into bounded stage-local patches, and deploy validated updates through structural replay and confidence-controlled paired evaluation. To measure complete story realization, we introduce CineScope, which combines a 100-script CineScope-Data suite with a human-aligned, multiscale CineScope-Metric spanning causal state, directorial orchestration, pacing and resource allocation, and character arc. Across CineScope-Data and two public benchmarks, the evolved CineForge policy improves CineScope-Metric from 4.024 to 4.380, outperforms three long-video baselines with consistent gains under ScriptAgent, and reduces review LLM calls by 37.0% on new stories. These results establish production trajectories as actionable experience for video agents that improve cumulatively across long-form storytelling tasks.
- Abstract（参考訳）: ロングホライゾンのストーリー駆動ビデオ生成は、物語の分解、状態追跡、ショットデザイン、素早い構築、レンダリング、相互依存シーン間のリビジョンをコーディネートするためのプロダクションエージェントを必要とする。
既存のアダプティブビデオシステムは、主に要求や再利用可能なスキルを洗練し、繰り返し生産される失敗は、ストーリー全体にわたる永続的でステージ目標の改善から切り離される。
本稿では,CineForge-EvolveとCineForge-Produceを結合した自己進化型ビデオ制作エージェントフレームワークCineForgeを紹介する。
CineForge-Produceは、各ソースストーリーをタイプされた物語、キャラクタ、空間、シネマティックな状態に整理し、それらをアセットとクリップ生成のコーディネートに使用し、そのプロセスを標準的な生産軌跡として記録する。
CineForge-Evolveは、CPPE(Case-to-Pattern-to-Policy Evolution)を使用して、軌道証拠をレビューし、再帰的な結果を有界なステージローカルパッチに集約し、構造的リプレイと信頼性制御されたペアリング評価を通じて検証された更新をデプロイする。
CineScopeは100文字のCineScope-Dataスイートと人間対応のマルチスケールのCineScope-Metricスパンニング因果状態、ディレクトリオーケストレーション、ペーシングとリソースアロケーション、文字弧を組み合わせたものだ。
CineScope-Dataと2つの公開ベンチマークを通じて、CineForgeポリシーはCineScope-Metricを4.024から4.380に改善し、ScriptAgentの下で一貫した利得で3つの長ビデオベースラインを上回り、LLM呼び出しのレビューを37.0%削減した。
これらの結果は、長めのストーリーテリングタスクにおいて累積的に改善されるビデオエージェントの実用的な体験として、生産軌道を確立する。
関連論文リスト
- Better Call CineCrew: Consistent Ultra-Long Narrative-to-Film Generation [53.27387848819395]
ロングフォーム・ナラティブ・トゥ・フィルム生成にはショットレベルの制御性とクロスクリップの整合性が必要である。
本稿では,フィルム指向のスクリプト・ビデオ生成のための構造化オーケストレーション層を提案する。
論文 参考訳（メタデータ） (2026-09-07T16:33:14Z) - ViMax: Agentic Video Generation [55.546794487716646]
ロングフォームビデオ生成には、体系的な物語計画と視覚的一貫性が必要である。
我々のフレームワークは、グローバルなストーリーコヒーレンスのための検索強化世代を備えた階層的な物語エンジンを採用している。
VLM誘導エージェントは、物語のコヒーレンスと視覚的忠実さの両方を継続的に監視し、洗練する。
論文 参考訳（メタデータ） (2026-06-02T12:55:41Z) - ReCA: Multi-Shot Long Video Extrapolation via Recursive Context Allocation [69.45329019089041]
マルチショットビデオ外挿(マルチショットビデオ外挿、Multi-Shot Video Extrapolation、MSVE)は、観察されたフレームまたはクリップを撮影的に構造化された一連のショットに拡張するタスクである。
MSVEは、長ビデオの障害は単にコンテキスト長の制限ではなく、コンテキスト割り当ての障害であることを明らかにした。
本稿では,再帰的コンテキスト割当(Recursive Context Allocation, ReCA)を提案する。
論文 参考訳（メタデータ） (2026-05-26T04:16:56Z) - Soap2Soap: Long Cinematic Video Remaking via Multi-Agent Collaboration [61.98029663481308]
Soap2SoapはDualBridgeメカニズムを通じて長期の視覚的一貫性を強制するマルチエージェントフレームワークである。
クローズドループ検証エージェントは、識別、安定性、アライメントを監査し、選択的再生を誘導する。
論文 参考訳（メタデータ） (2026-05-17T12:38:21Z) - A Benchmark and Multi-Agent System for Instruction-driven Cinematic Video Compilation [75.66313073019326]
CineBenchは、命令駆動のシネマティックビデオコンパイルのための最初のベンチマークである。
CineAgentsは,映像編集をデザイン・アンド・コンポジションのパラダイムに再構成するマルチエージェントシステムである。
論文 参考訳（メタデータ） (2026-04-12T04:39:09Z) - CineTrans: Learning to Generate Videos with Cinematic Transitions via Masked Diffusion Models [28.224969852134606]
我々は,コヒーレントなマルチショットビデオを生成するためのフレームワークであるCineTransを紹介した。
CineTransは、フィルム編集スタイルに固執しながら、不安定な遷移やナイーブな結合を避けながら、シネマティックなマルチショットシーケンスを生成する。
論文 参考訳（メタデータ） (2025-08-15T13:58:22Z) - Automated Movie Generation via Multi-Agent CoT Planning [20.920129008402718]
MovieAgentは、CoT(Multi-agent Chain of Thought)計画による自動映画生成である。
コヒーレントな物語を持つマルチシーンでマルチショットのロングフォームビデオを生成し、文字の一貫性、同期字幕、安定したオーディオを保証します。
複数のLLMエージェントを使用して、ディレクター、脚本家、ストーリーボードアーティスト、ロケーションマネージャの役割をシミュレートすることで、MovieAgentはプロダクションパイプラインを合理化する。
論文 参考訳（メタデータ） (2025-03-10T13:33:27Z) - 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) - StoryAgent: Customized Storytelling Video Generation via Multi-Agent Collaboration [88.94832383850533]
CSVG(Customized Storytelling Video Generation)のためのマルチエージェントフレームワークを提案する。
StoryAgentはCSVGを特殊エージェントに割り当てられた個別のサブタスクに分解し、プロの制作プロセスを反映する。
具体的には、撮影時間内整合性を高めるために、カスタマイズされたイメージ・ツー・ビデオ(I2V)手法であるLoRA-BEを導入する。
コントリビューションには、ビデオ生成タスクのための汎用フレームワークであるStoryAgentの導入や、プロタゴニストの一貫性を維持するための新しい技術が含まれている。
論文 参考訳（メタデータ） (2024-11-07T18:00:33Z)
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。