浙大等开源 ATAS:剧本生成多镜头视频,跨镜头场景一致性可保持
lmoroney · x · 2026-10-16
- 浙江大学、Monash、UC Berkeley 与阿德莱德大学团队开源 ATAS(Any Time, Any Space)系统:输入纯文本剧本即可生成多镜头影片,并通过持续维护的世界状态解决 AI 短片里「切回原房间家具位置变了」的一致性问题。
- 架构包含场景记忆(scene memory)与事件记忆(event memory):前者把每个地点的几何信息存入共享 3D 坐标系,后者按时间索引此前画面,便于从新机位重拍;每段生成片段先被重建校验,合格才允许更新记忆。
- 作者报告在四个视频生成器上所有跨镜头一致性指标均有提升,人类评分在全部六项标准上最高;单个故事运行时长从约 52 分钟增至 65 分钟。代码 MIT 协议,默认用 Wan 3.0 生成,几何服务需约 20GB 显存。
所属事件:浙大等四校开源 ATAS 框架,实现跨镜头一致的长视频生成(4 条相关)→
「多模态」频道最新
- 上海 AI Lab 发布 Intern Lumina U2:单模型统一图像视频 3D 理解与生成 — Shanghai-AI-Laboratory · 2026-10-16
- NAVER 提出 Speculative Forcing,加速自回归视频生成且不损画质 — naver-ai · 2026-10-16
- MFVSR 发布：3000 视频、16 语言的细粒度视频字幕去除基准 — Xiyan Huang · 2026-10-16
- 港理工发布 OmniCompass:全模态视频定位与理解综合基准 — VCLab-HKPU · 2026-10-16
- 研究者自省:文生图将成为 AI 控制研究摇篮的预言被证伪 — jd_pressman · 2026-10-16
- AI 生成火神与青峰肌肉猛男逛街，二次元写实化名场面 — EternalSnow05 · 2026-10-16