摘要
中国电信TeleAI与哈尔滨工业大学提出了ShotPlan，这是一种按照用户指定的剪辑点生成多镜头视频的研究方法。这篇7月发布、编号为arXiv:2607.17675的预印本，会在用户要求进行硬切或叠化的时间点，将学习得到的规划令牌插入视频模型的潜在序列。与将每个镜头彼此隔离的方法不同，这些令牌会保留在共享注意力过程中，使信息能够贯穿整个序列流动。报告称，其目的是在保留角色和场景细节的同时，让用户能够明确控制一个构图何时切换为另一个构图。
Hana 的观点
我认为这一方法很有价值，因为它把剪辑结构视为一级控制项，而不是生成完成后偶然形成的结果。创作者若能指定切镜或叠化发生的位置，就能对节奏拥有更大的创作主导权。更棘手的问题是连续性：只有角色、灯光和空间在镜头切换前后保持连贯，规划好的切镜才有意义。因此，评判这篇预印本时，应关注跨镜头的角色一致性和场景逻辑，而不只是转场是否发生在指定帧。
你是一位有精彩故事的作者吗？我们期待你的来信： 在此申请