跳到正文
arXiv cs.AI· Junyi Shen, Yao Lu·· 23 小时前AI 评分38

CodeReel:用精确帧复用与阻塞感知调度加速代码生成视频智能体

CodeReel: Accelerating Code-to-Video Agents with Exact Frame Reuse and Blocking-Aware Scheduling

AI 导读

CodeReel 是一个无需训练的执行层,通过按绘制命令为每帧建立精确键来复用重复帧,并将检查前置、以空闲优先级并行启动渲染,从而缩短代码生成视频智能体的等待时间。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:编码智能体通过在“构建—检查—编辑”循环中编写和精炼程序来制作视频。一部完成的影片在模型调用上的中位成本为 2.85 美元、耗时 11 分钟,其中超过三分之一的时间花在阻塞智能体的构建上。我们发现这些时间中有很大一部分是可以避免的,原因有二。第一,某次会话中后续影片有 37.5% 的帧此前已经绘制过,其中许多只是在时间上发生了偏移,或位于被编辑的场景内部。第二,一半的构建会停在某个检查处,此时智能体只需要检查结论,但哪些构建会停下,在检查完成之前是未知的。我们提出 CodeReel,这是一个位于智能体现有命令之后的免训练执行层。精确帧复用按绘制命令为每一帧建立键,而不论其在时间上的位置,并复用每个键重复出现的帧。阻塞感知调度会先运行检查,并同时以空闲优先级启动渲染,除非该会话近期的构建使通过的可能性不大。调度消耗 CPU 以更快得到答案,而复用则把 CPU 归还;精确键让后续版本能够使用为失败版本渲染的帧,正如智能体所设想的那样。我们引入 EditLoop,这是一个可重放的智能体会话基准,其影片会与从头渲染的结果进行比对。在该基准上,与 Rebuild(一种带并行渲染的热流水线)相比,CodeReel 将智能体的等待时间缩短了 36.3%;与 Sequential(当今的逐步流水线)相比缩短了 57.9%。在时间偏移编辑上,其复用渲染了 43.9%,接近像素为新的 43.0%,而 Manim 风格缓存则渲染了 99.8%。在真实智能体上,在 Claude Code 中,针对开发中从未使用过的主题,每次构建的中位等待时间为 Rebuild 的 0.62 倍,在 Codex CLI 中为 0.67 倍。该收益在五个模型和两个框架上均成立。
评论: 19 页,8 幅图,14 张表
主题: 多媒体(cs.MM);人工智能(cs.AI);计算机视觉与模式识别(cs.CV);分布式、并行与集群计算(cs.DC)
引用为: arXiv:2611.22967 [cs.MM]
  (或 arXiv:2611.22967v1 [cs.MM] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.22967

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Junyi Shen [查看电子邮件]
[v1] 2026 年 11 月 17 日星期二 15:52:15 UTC(636 KB)

来源:arXiv cs.AI · arxiv.org