模型發布
ShotPlan精準控制影片轉場
HF Daily Papers
研究團隊提出 ShotPlan，透過可學習的規劃 token 與 FRoPE，讓文字轉影片模型能逐幀控制多鏡頭轉場時間。這套方法可整合至預訓練 DiT，無須注意力遮罩或修改架構，並支援硬切、柔和轉場及局部運鏡。實驗顯示其鏡頭管理與跨鏡頭一致性優於既有方法，模型與訓練資料亦已提供。
讀原始報導背景
現有影片生成模型雖能產生單一鏡頭，但在需要連貫敘事與多鏡頭編排的電影級影片上，仍需要明確的鏡頭規劃。ShotPlan 將鏡頭規劃表示為一系列可學習的規劃 token，直接注入影片擴散生成流程，讓模型在單一連貫過程中掌握各鏡頭的起訖位置與轉場方式，而不必另設鏡頭偵測或剪輯階段。