Mise-en-Video发布：支持3D控制的多镜头视频生成框架

研究人员Yingshuang Zou等提出Mise-en-Video (MeV) 框架，旨在实现可编排的多镜头视频生成。该研究允许创作者在3D空间中进行镜头编排，随后生成对应的多镜头视频，增强了视频生成的可控性。 在技术实现上，MeV 框架结合了分层注意力机制与 3D 感知布局引导。这种结合确保了多镜头视频在叙事上的连贯性，并提供了精细的空间控制能力，解决了传统生成中空间关系混乱的问题。 研究团队构建了包含16万视频的标注数据集用于训练和验证。评估结果显示，MeV 框架在视频生成质量与控制性方面均优于现有的基线模型，为多镜头视频创作提供了新的技术路径。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。