MEV: A Multi-Event Video Dataset for Long-Take Generation
説明MEV:長回し動画生成のためのマルチイベント動画データセット
要約本論文は、長回し動画生成を目的としたマルチイベント動画データセットMEVを提案する。被写体が互いに重ならない一連の異なる出来事を行う実写動画で、正確な時間境界と細かな手順アノテーションを備える。注釈パイプラインは動画を時間的に定められた出来事に分割し、全体レベルと出来事レベルの構造化キャプションを生成する。時間的に定位した出来事条件付けによるファインチューニングの実験では、出来事の遷移と内容の一貫性が改善したと報告されている。