VIS-Ground：带上下文锚定的视频交互叙事

2026年10月8日，arXiv Computer Vision（一手）报道了VIS-Ground研究。该工作提出把异构输入上下文转化为可执行的视频生成约束模型，以支持观众在生成过程中介入叙事。其方法通过结构化上下文抽象、生成约束归纳和约束视频生成三个步骤，恢复锚定状态与跨上下文依赖，并在规划、验证、修正与渲染中强制执行约束。实验在三种视频生成骨干模型上进行，VIS-Ground均取得最高综合得分，相对各骨干最强基线平均绝对提升10.3分。目前报道仅涉及该方法与实验结果，未见后续进展或矛盾信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。