arXiv Computer Vision· Chen Zhao, Lehan Shen, Qilong Huang, Hongyu Li, Zhuoliang Kang, Xiaoming Wei, Jian Yang, Ying Tai·· 20 小时前AI 评分22
结构化有状态关系脚本 SSRS 与 MSAV-Script-100K 数据集：面向多镜头音视频生成
Structured Stateful Relational Scripts with a High-Quality Dataset for Multi-Shot Audio-Visual Video Generation
AI 导读
研究者提出结构化有状态关系脚本（SSRS），将持久实体与声音身份同镜头特定的视觉、听觉状态分离，并显式编码声源绑定与时间关系，用全局音视频事件序列连接跨镜头延续的事件。同时发布 MSAV-Script-100K 大规模多镜头音视频数据集，配详细 SSRS 标注。实验显示跨镜头一致性、指定状态变化遵循度和音视频对齐均有提升。
来源：arXiv Computer Vision · arxiv.org