論文の概要: FRAMEWORKERS: A Dynamic Multi-Agent Framework for AI-Generated Video Production
- arxiv url: http://arxiv.org/abs/2608.29814v1
- Date: Sun, 30 Aug 2026 14:28:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.082896
- Title: FRAMEWORKERS: A Dynamic Multi-Agent Framework for AI-Generated Video Production
- Title（参考訳）: FRAMEWORKERS:AI生成ビデオ制作のための動的マルチエージェントフレームワーク
- Abstract要約: 本稿では,タスク中心のマルチエージェントフレームワークであるFRAMEWORKERSを紹介した。
Central Directorは、ビデオ生成を動的タスク管理として定式化し、タスクスタックを継続的に編集して、次にどのサブタスクを実行するか、どのサブエージェントを呼び出すかを決定する。
アシスタントは実行層として機能し、選択した各タスクを共有ワークスペースに接地し、必要なアセットとコンテキストを検索し、割り当てられたサブエージェントを呼び出し、結果のアーティファクトを永続化する。
FRAMEWORKERSは、ルーティング精度において強いプランナーよりも優れ、実行時の障害から確実に回復し、目に見えないサブに一般化することを示した。
- 参考スコア（独自算出の注目度）: 55.71860113185132
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern video generators excel at synthesizing individual clips, but complete video production requires coordinating a long sequence of interdependent creative steps, including scripting, storyboarding, generation, and editing. It further demands persistent asset management and dynamic task orchestration as intermediate outputs, dependencies, and execution states evolve over time. Existing automated systems typically rely on rigid pipelines that are difficult to adapt to diverse inputs and changing workflows, while general-purpose large language models (LLMs) remain unreliable for long-horizon orchestration and multimodal asset routing. We introduce FRAMEWORKERS, a task-centric and workspace-grounded multi-agent framework for open-ended video production. A central Director formulates video creation as dynamic task management, continuously editing a Task Stack to determine which subtask to execute next and which sub-agent to invoke. An Assistant serves as the execution layer, grounding each selected task in a shared Workspace, retrieving the required assets and context, invoking the assigned sub-agent, and persisting the resulting artifacts. Execution capabilities are exposed through modular sub-agents with registered descriptors, allowing new sub-agents to be integrated without redesigning the orchestration workflow. To improve orchestration reliability, we fine-tune the Director via supervised fine-tuning (SFT) followed by Group Relative Policy Optimization (GRPO) for descriptor-conditioned task routing. Experiments show that FRAMEWORKERS outperforms strong LLM planners in routing accuracy, recovers reliably from runtime failures, generalizes to unseen sub-agents without retraining, and achieves higher end-to-end video quality and broader task coverage than fixed pipelines, single-agent systems, and prior multi-agent approaches.
- Abstract（参考訳）: 現代のビデオジェネレータは、個々のクリップを合成するのに優れているが、完全なビデオ制作には、スクリプティング、ストーリーボード、生成、編集を含む、長い相互依存の創造的なステップを調整する必要がある。
さらに、中間出力、依存関係、実行状態が時間とともに進化するにつれて、永続的なアセット管理と動的タスクオーケストレーションを要求する。
既存の自動化システムは、様々な入力やワークフローの変更に適応することが難しい厳格なパイプラインに依存しているのに対し、汎用的な大規模言語モデル(LLM)は、長期的オーケストレーションやマルチモーダルなアセットルーティングでは信頼性が低い。
本稿では,タスク中心のマルチエージェントフレームワークであるFRAMEWORKERSを紹介した。
Central Directorは、ビデオ生成を動的タスク管理として定式化し、タスクスタックを継続的に編集して、次にどのサブタスクを実行するか、どのサブエージェントを呼び出すかを決定する。
アシスタントは実行層として機能し、選択した各タスクを共有ワークスペースに接地し、必要なアセットとコンテキストを検索し、割り当てられたサブエージェントを呼び出し、結果のアーティファクトを永続化する。
実行機能は、登録されたディスクリプタを持つモジュールサブエージェントを通じて公開され、オーケストレーションワークフローを再設計することなく、新しいサブエージェントを統合することができる。
オーケストレーションの信頼性を向上させるため,教師付き微調整(SFT)と,ディスクリプタ条件付きタスクルーティングのためのグループ相対ポリシー最適化(GRPO)を用いてディレクタを微調整する。
実験により、FRAMEWORKERSはルーティング精度において強力なLCMプランナーより優れており、実行時障害から確実に回復し、再トレーニングなしに未確認サブエージェントに一般化し、固定パイプライン、単一エージェントシステム、および以前のマルチエージェントアプローチよりも高いエンドツーエンドのビデオ品質とタスクカバレッジを達成することが示された。
関連論文リスト
- TIDE: Task-Isolated Diffusion for Unified Video Editing and Generation [30.09687573502619]
拡散変換器はビデオ生成と編集の急速な進歩を促しているが、これらの機能は依然としてタスク固有のモデルで処理されている。
命令ベースの編集,参照誘導編集,マルチ参照生成を統合した統合フレームワークであるTIDEを提案する。
論文 参考訳（メタデータ） (2026-06-06T17:11:13Z) - Small Model as Master Orchestrator: Learning Unified Agent-Tool Orchestration with Parallel Subtask Decomposition [61.291733522717415]
Agent-as-Toolは並列オーケストレーションのパラダイムであり、エージェントとツールの両方を標準化された学習可能なアクション空間に緩和する。
ParaManagerは、サブタスク解決から計画決定を分離し、ステート対応の並列サブタスク分解、デリゲート、非同期実行を可能にする。
実験により、ParaManagerは複数のベンチマークで高い性能を示し、目に見えないモデルプールの下で堅牢な一般化を示す。
論文 参考訳（メタデータ） (2026-04-18T14:41:27Z) - Autonoma: A Hierarchical Multi-Agent Framework for End-to-End Workflow Automation [0.0]
本稿では,自然言語のプロンプトからエンドツーエンドのワークフロー自動化を実現するために設計された,構造化された階層型マルチエージェントフレームワークであるAutonomaを紹介する。
Autonomaは、高レベルのコーディネータがユーザの意図を検証し、Plannerが構造化され、スーパーバイザが特別なエージェントのスイートを編成して実行を管理するという、原則化された多層アーキテクチャを採用している。
オートノマは97%のタスク完了率と98%のエージェントハンドオフ率を達成した。
論文 参考訳（メタデータ） (2026-02-27T11:00:37Z) - Beyond End-to-End Video Models: An LLM-Based Multi-Agent System for Educational Video Generation [15.004606775581356]
LAVESは、教育問題から高品質な指導ビデオを生成する階層型マルチエージェントシステムである。
大規模なデプロイメントでは、LAVESは1日に100万ビデオを超えるスループットを実現し、95%以上のコスト削減を実現している。
論文 参考訳（メタデータ） (2026-02-12T10:14:36Z) - Tele-Omni: a Unified Multimodal Framework for Video Generation and Editing [93.8111348452324]
Tele-Omniはビデオ生成と編集のための統合されたフレームワークで、マルチモーダルな指示に従う。
テキスト・ツー・ビデオ生成、画像・ビデオ生成、ファースト・ラスト・フレーム・ビデオ生成、イン・コンテクスト・ビデオ生成、およびイン・コンテクスト・ビデオ編集をサポートする。
論文 参考訳（メタデータ） (2026-02-10T10:01:16Z) - UniVA: Universal Video Agent towards Open-Source Next-Generation Video Generalist [107.04196084992907]
次世代ビデオジェネラリストのためのオールニ対応マルチエージェントフレームワークUniVAを紹介する。
UniVAはPlan-and-Actのデュアルエージェントアーキテクチャを採用しており、高度に自動化されプロアクティブなワークフローを駆動している。
また、理解、編集、セグメンテーション、生成にまたがるマルチステップビデオタスクのベンチマークスイートUniVA-Benchについても紹介する。
論文 参考訳（メタデータ） (2025-11-11T17:58:13Z) - Hollywood Town: Long-Video Generation via Cross-Modal Multi-Agent Orchestration [73.65102758687289]
本研究は,マルチエージェントコラボレーションを改善するための3つのイノベーションを紹介する。
まず、長いビデオ生成のための階層型グラフベースのマルチエージェントフレームワークであるOmniAgentを提案する。
第2に,文脈工学にヒントを得たハイパーグラフノードを提案する。
論文 参考訳（メタデータ） (2025-10-25T20:34:18Z) - HAWK: A Hierarchical Workflow Framework for Multi-Agent Collaboration [3.2588674134593942]
マルチエージェントシステムは、クロスプラットフォームの相互運用性、動的タスクスケジューリング、効率的なリソース共有において永続的な課題に直面している。
階層型エージェント (Hawk) は, ユーザ, オペレータ, エージェント, リソースの5つのレイヤから構成され, 16の標準化インターフェースでサポートされているモジュール型フレームワークである。
Hawkはタスク解析、ワークフローオーケストレーション、インテリジェントスケジューリング、リソース呼び出し、データ同期をカバーしたエンドツーエンドパイプラインを提供する。
論文 参考訳（メタデータ） (2025-07-05T15:03:53Z) - PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
本稿では,PC-Agentという階層型エージェントフレームワークを提案する。
認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。
意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-02-20T05:41:55Z)
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。