LLM 新框架 CinemaTraj：用语言规划 3D 场景电影级镜头轨迹

joemeno · x · 2026-08-02

慕尼黑工业大学与华为德累斯顿研究中心联合提出 CinemaTraj 框架，将相机轨迹规划重构为语言引导的空间推理问题。给定 RGB-D 图像和用户提示，LLM 智能体借助结构化 3D 场景图，将提示分解为一系列原子电影运镜（推拉、环绕、升降、摇移、倾斜、变焦、弧线），并通过参数化轨迹表示实现碰撞避免。该框架可生成带同步旁白和字幕的电影化视频，应用于房地产广告、虚拟导览等场景。论文已被 ACM Multimedia 2026 接收。