論文の概要: CineEvolve: An Agentic Self-Evolution Framework for Cinematic Multi-Shot Video Generation
- arxiv url: http://arxiv.org/abs/2610.29590v1
- Date: Wed, 21 Oct 2026 11:30:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.347649
- Title: CineEvolve: An Agentic Self-Evolution Framework for Cinematic Multi-Shot Video Generation
- Title（参考訳）: CineEvolve:シネマティックマルチショットビデオ生成のためのエージェントセルフ進化フレームワーク
- Abstract要約: 撮影用マルチショットビデオ生成のためのエージェント的自己進化フレームワークであるCineEvolveを提案する。
我々は、CineEvolveの強化学習を交互に行い、CineEvolveを訓練する。
CineTrajは、制作、批評、リビジョンにまたがる40Kの映画軌道データセットである。
- 参考スコア（独自算出の注目度）: 54.753486666943196
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cinematic multi-shot video generation requires both narrative planning and iterative refinement. Existing methods either lack narrative reasoning or rely on feed-forward workflows without policy updates. In this paper, we propose CineEvolve, an agentic self-evolution framework for cinematic multi-shot video generation that unifies a Director and a Critic within a single vision-language policy. Emulating real-world filmmaking that couples iterative direction with critical feedback, we train CineEvolve via alternating reinforcement learning, where the Director surfaces flaws to sharpen the Critic, and the updated Critic guides the Director's targeted revisions. To stabilize co-evolution, we introduce Evolutionary GRPO (E-GRPO), leveraging historical anchoring and revision safeguarding to mitigate advantage inflation. Additionally, we contribute CineTraj, a 40K cinematic trajectory dataset spanning creation, critique, and revision. Extensive experiments demonstrate that CineEvolve outperforms existing approaches. Our code will be available at https://github.com/JingZhe-8/CineEvolve.
- Abstract（参考訳）: シネマティックなマルチショットビデオ生成には、物語計画と反復的洗練の両方が必要である。
既存の方法は、ナラティブ推論が欠けているか、ポリシー更新なしでフィードフォワードワークフローに依存している。
本稿では,映画用マルチショットビデオ生成のためのエージェント的自己進化フレームワークであるCineEvolveを提案する。
批判的なフィードバックと反復的な方向を合わせる現実世界の映画製作をエミュレートし、CineEvolveを交互に強化学習で訓練する。
進化的GRPO (E-GRPO) を導入し, 歴史的アンカーとリビジョン・セーフガードを活用し, 優位なインフレーションを緩和する。
また,CineTrajは,制作,批評,リビジョンにまたがる40Kの映画トラジェクトリデータセットである。
大規模な実験では、CineEvolveが既存のアプローチより優れていることが示されている。
私たちのコードはhttps://github.com/JingZhe-8/CineEvolve.comで公開されます。
関連論文リスト
- Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation [63.38247389687543]
教師の強制の下では、強い時間的冗長性により、局所的な視覚的連続性は現在のチャンク認知のショートカットとして機能する可能性がある。
本稿では,教師力の認知を併用した補助目標であるFuture Chunk Prediction (FCP)を紹介する。
FCPは、介入する視覚的コンテキストにアクセスすることなく、時間的に分離されたチャンクを予測する。
論文 参考訳（メタデータ） (2026-10-21T16:28:46Z) - VideoEvolve: Evolving Agent Harnesses for Video Temporal Grounding [7.097597769125374]
ビデオ時間グラウンドは、自然言語クエリからビデオ内のイベントをローカライズすることを目的としている。
フリーズされたビデオ言語モデルを中心に構築されたエージェントに対して、このハーネスは、クエリが時間的予測をどのようにガイドするか、そしてそれらの予測がどのように洗練されるかを決定する。
ビデオ時間グラウンドのためのエージェントハーネスを自動的に進化させるフレームワークであるVideoEvolveを紹介する。
論文 参考訳（メタデータ） (2026-10-01T14:24:24Z) - 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) - CineForge: Self-Improving Agents for Long-Horizon Video Generation [14.130480362330431]
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。
論文 参考訳（メタデータ） (2026-08-30T07:29:46Z) - Bridging Creative Intent and Visual Quality: Creator-Driven Recurrent Video Generation with Agentic Feedback Loops [36.169206628733484]
CHIEFは人間とAIが共同で制作するビデオ生成フレームワークで、クリエイターを人間とループの反復的ビデオリファインメントの中心に配置する。
クリエーターは各イテレーションを駆動することで創造的な方向性を取り入れ、リビジョンは特別な精巧なエージェントによって取り入れられる。
提案手法の有効性を検証するため,映像制作経験のない高校生や大学生と共同でビデオ制作を行った。
論文 参考訳（メタデータ） (2026-06-17T01:39:30Z) - 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) - GenDoP: Auto-regressive Camera Trajectory Generation as a Director of Photography [98.28272367169465]
本稿では,写真監督の専門知識にインスパイアされた自己回帰モデルを導入し,芸術的かつ表現的なカメラトラジェクトリを生成する。
包括的で多様なデータベースのおかげで、高品質でコンテキスト対応のカメラムーブメント生成のための自動回帰デコーダのみのトランスフォーマーをトレーニングします。
実験により、既存の手法と比較して、GenDoPはより良い制御性、よりきめ細かい軌道調整、より高い運動安定性を提供することが示された。
論文 参考訳（メタデータ） (2025-04-09T17:56:01Z)
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。