跳到正文
arXiv cs.AI· Yanwei Huang, Mingxuan Zhu, Shujie Li, Shiyuan Liu, Yuanxing Zhang, Arpit Narechania·· 4 小时前AI 评分29

SkillPE:面向创造力的电影化技能演化,用于文本到视频提示词增强

SkillPE: Creativity-Oriented Cinematic Skill Evolution for Text-to-Video Prompt Enhancement

AI 导读

SkillPE 是一个面向创造力的提示词增强框架,通过参考引导探索系统演化可复用的电影化技能,从专家知识初始化并规范化 20 个结构化种子技能。它检索电影参考并分为共鸣、失谐与发散三类,前两者优化技能适用性与执行,发散项通过受控变异激发替代性电影化实现。在 StoryEval 和 VBench 上,其 7 分制四维评测较种子技能最高提升 1.10 分,较最强外部基线提升 1.02 分。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:对于非专业人士而言,实现高质量的影视级文本到视频生成仍然具有挑战性,因为他们的提示词往往缺乏专业的叙事与创意设计。现有的提示词增强(PE)方法和静态影视技巧在探索多样化创意实现方面的能力有限。我们提出 SkillPE,一个面向创意的 PE 框架,通过参考引导的探索系统性地演化可复用的影视技巧。SkillPE 从专家提供的影视知识出发,初始化并规范化 20 个结构化种子技巧。随后它检索电影参考,并将其分类为共鸣者(良好匹配)、不协和者(弱匹配)和发散者(具有创意启发的近似失配)。共鸣者与不协和者用于改进技巧的适用性与执行,而发散者则通过保留用户意图的受控变异来启发替代性的影视实现。候选技巧通过生成的视频从提示词保真度、影视质量、叙事吸引力和创意性等方面进行评估,以构建最终的技巧库。在 StoryEval 和 VBench 上的实验表明,在 7 分制四维评估量表上,相比种子技巧最高提升 1.10 分,相比最强外部基线最高提升 1.02 分。总体而言,SkillPE 为影视级文本到视频生成中平衡保真度与创意性提供了一种实用方法。
主题: 计算机视觉与模式识别(cs.CV);人工智能(cs.AI)
引用为: arXiv:2609.34335 [cs.CV]
  (或本版本的 arXiv:2609.34335v2 [cs.CV])
  https://doi.org/10.48550/arXiv.2609.34335

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Yanwei Huang [查看邮箱]
[v1] 2026年9月28日星期一 05:11:39 UTC(14,778 KB)
[v2] 2026年11月17日星期二 15:19:37 UTC(14,316 KB)

来源:arXiv cs.AI · arxiv.org