Yuming Zhao

MAVEN框架提升多文化文本到视频生成中的文化保真度

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。