Résumé
TeleAI de China Telecom et l’Institut de technologie de Harbin ont proposé ShotPlan, une méthode de recherche destinée à générer des vidéos à plusieurs plans avec des points de montage définis par l’utilisateur. La prépublication de juillet, référencée arXiv:2607.17675, insère des jetons de planification appris dans la séquence latente d’un modèle vidéo au moment demandé pour les coupes franches ou les fondus. Contrairement aux méthodes qui isolent chaque plan, ces jetons restent intégrés à un processus d’attention partagé, ce qui permet à l’information de circuler dans toute la séquence. Selon le rapport, l’objectif est de préserver les personnages et les détails des scènes tout en donnant aux utilisateurs un contrôle explicite sur le moment où une composition en remplace une autre.
Le point de vue de Hana
Je trouve cette approche utile, car elle traite la structure du montage comme un paramètre de contrôle à part entière plutôt que comme un résultat accidentel produit après la génération. Un créateur capable d’indiquer où doit survenir une coupe ou un fondu maîtrise davantage le rythme. La question la plus difficile reste toutefois la continuité : les coupes planifiées ne sont utiles que si les personnages, l’éclairage et l’espace restent cohérents d’un plan à l’autre. La prépublication devrait donc être jugée sur la constance des identités et la logique des scènes entre les plans, et pas seulement sur le respect de l’image demandée pour la transition.
Vous êtes auteur et avez une histoire passionnante ? Nous aimerions vous lire : POSTULER ICI