論文の概要: Mise-en-Video: Fine-Grained 3D Control for Multi-Shot Video Generation
- arxiv url: http://arxiv.org/abs/2610.26801v1
- Date: Mon, 19 Oct 2026 17:45:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 01:17:22.058132
- Title: Mise-en-Video: Fine-Grained 3D Control for Multi-Shot Video Generation
- Title（参考訳）: Mise-en-Video:マルチショットビデオ生成のための細粒度3D制御
- Abstract要約: Mise-en-Video (MeV) は、高度に制御可能なマルチショットビデオ生成フレームワークである。
ビデオ品質、ショット間一貫性、被写体レベルの制御性において、MeVは一貫して高いベースラインを上回ります。
- 参考スコア（独自算出の注目度）: 33.630411117548
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in text-to-video generation have enabled high-fidelity single-shot synthesis, yet practical storytelling creation requires multi-shot videos with both strong inter-shot consistency and fine-grained controllability. Existing multi-shot video generation approaches achieve strong consistency but still fall short in controllability. In this paper, we propose Mise-en-Video (MeV), a highly controllable multi-shot video generation framework that allows video creators to conduct staging the multi-shot in the 3D space and then generate the corresponding multi-shot video. To achieve this, our framework combines a hierarchical attention mechanism for multi-level narrative consistency with 3D-aware layout guidance for precise, per-shot spatial control. To support training and evaluation, we develop standardized annotation pipelines and construct a 160K-video dataset with hierarchical multi-shot texts and oriented 3D bounding boxes. Extensive experiments demonstrate that MeV consistently outperforms strong baselines in video quality, inter-shot consistency, and subject-level controllability.
- Abstract（参考訳）: 近年のテキスト・ツー・ビデオ生成の進歩により、高忠実なシングルショット合成が可能になったが、現実的なストーリーテリングには、強いショット間一貫性ときめ細かい制御性の両方を備えたマルチショットビデオが必要である。
既存のマルチショットビデオ生成アプローチは強い一貫性を実現するが、制御性に欠ける。
本稿では,Mise-en-Video (MeV)を提案する。これは高度に制御可能なマルチショット・ビデオ生成フレームワークで,ビデオ制作者が3D空間でマルチショットをステージングし,それに対応するマルチショット・ビデオを生成することができる。
これを実現するために,本フレームワークでは,多段階の物語一貫性のための階層的アテンション機構と,高精度かつショット単位の空間制御のための3次元レイアウトガイダンスを組み合わせる。
トレーニングと評価を支援するため,標準化されたアノテーションパイプラインを開発し,階層的なマルチショットテキストとオブジェクト指向3Dバウンディングボックスを備えた160Kビデオデータセットを構築した。
大規模な実験により、MeVは、ビデオ品質、ショット間の一貫性、被写体レベルの制御性において、強いベースラインを一貫して上回っていることが示された。
関連論文リスト
- SmartDirector: Keyframe-Conditioned Cinematic Video Generation with Narrative Pacing Control [14.692728579474169]
本稿では,映像生成モデルの物語能力を高めるフレームワークであるSmartDirectorを提案する。
SmartDirectorは、シングルショット生成、マルチショットナラティブ合成、ビデオ拡張など、フレキシブルな生成シナリオをサポートする。
論文 参考訳（メタデータ） (2026-05-27T03:16:09Z) - SkyReels-V3 Technique Report [23.793804843416606]
ビデオの堅牢性は、コンテキスト推論が能力の定義テストである世界モデル構築の基盤となる。
拡散変換器を用いたマルチモーダル・イン・コンテクスト学習フレームワーク上に構築した条件付きビデオ生成モデルSkyReels-V3を提案する。
SkyReels-V3モデルは、イメージ・トゥ・ビデオ合成、ビデオ・ツー・ビデオ拡張、オーディオ誘導ビデオ生成という、3つのコア生成パラダイムを単一のアーキテクチャでサポートする。
論文 参考訳（メタデータ） (2026-01-24T06:08:12Z) - MultiShotMaster: A Controllable Multi-Shot Video Generation Framework [67.38203939500157]
現在の生成技術はシングルショットクリップで優れているが、物語的なマルチショットビデオを作成するのに苦労している。
高度に制御可能なマルチショットビデオ生成のためのフレームワークであるMultiShotMasterを提案する。
論文 参考訳（メタデータ） (2025-12-02T18:59:48Z) - DiTCtrl: Exploring Attention Control in Multi-Modal Diffusion Transformer for Tuning-Free Multi-Prompt Longer Video Generation [54.30327187663316]
DiTCtrlは、MM-DiTアーキテクチャの下で初めてトレーニング不要なマルチプロンプトビデオ生成手法である。
MM-DiTの注意機構を解析し、3次元のフルアテンションがUNetのような拡散モデルにおけるクロス/セルフアテンションブロックと同様の振る舞いを示す。
我々の注意深い設計に基づいて、DiTCtrlによって生成されたビデオは、複数のシーケンシャルプロンプトが与えられた滑らかな遷移と一貫した物体の動きを達成する。
論文 参考訳（メタデータ） (2024-12-24T18:51:19Z) - 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) - ViewCrafter: Taming Video Diffusion Models for High-fidelity Novel View Synthesis [63.169364481672915]
単一またはスパース画像からジェネリックシーンの高忠実な新規ビューを合成する新しい方法である textbfViewCrafter を提案する。
提案手法は,映像拡散モデルの強力な生成能力と,ポイントベース表現によって提供される粗い3D手がかりを利用して高品質な映像フレームを生成する。
論文 参考訳（メタデータ） (2024-09-03T16:53:19Z) - Collaborative Video Diffusion: Consistent Multi-video Generation with Camera Control [70.17137528953953]
コラボレーション型ビデオ拡散(CVD)は、ビデオ生成のための最先端のカメラ制御モジュール上で訓練される。
CVDは、異なるカメラ軌跡からレンダリングされた複数のビデオを、ベースラインよりもはるかに優れた一貫性で生成する。
論文 参考訳（メタデータ） (2024-05-27T17:58:01Z)
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。