研究人员开发了MAVEN，一个旨在提高文本到视频生成文化准确性的多智能体框架。该系统将提示分解为人物、动作和地点等不同组件，并为每个组件分配专门的智能体。为了便于评估，创建了一个包含243个具有文化基础的提示和972个跨越中国、美国和罗马尼亚文化视频的新基准。实验表明，MAVEN的多智能体方法，特别是并行专业化，在保持视觉质量和时间一致性的同时，显著提高了文化相关性。 AI
影响 增强了人工智能生成视频中的文化代表性，有可能拓宽其在多元化受众中的应用范围。
排序理由 该集群包含一篇详细介绍文本到视频生成新框架和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
