研究人员推出了一种新颖的视频生成代理 Video-Coder，该代理通过编写和执行代码来构建动态 3D 场景。这种方法旨在通过为下游视频生成器提供结构和运动信号来改进可控视频生成。该代理使用监督微调和基于执行和视频的奖励进行强化学习进行训练，并在 PhyGenBench 和 VBench 2.0 等基准上进行了评估，表现出显著的改进。 AI
影响 这项研究可能通过使代理能够通过代码执行来创建复杂的 3D 场景，从而推动可控视频生成的发展。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一种新的视频生成模型和方法。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Video-Coder is a code-driven video generation agent that writes and executes code to construct dynamic 3D scenes, trained with supervised fine-tuning and reinforcement learning using execution and video rewards to improve controllable video generation.
arXiv:2611.09894v1 Announce Type: new Abstract: Recent years have witnessed remarkable progress in video generation in terms of visual quality and temporal consistency. However, generating videos with precise spatial structure, coherent motion dynamics, and controllable scene com…