用于指令驱动的电影视频编译的基准和多代理系统

将长电影内容改编成短视频的需求不断增长，推动了对多功能自动视频编译系统的需求。然而，现有的编译方法仅限于预定义的任务，并且社区缺乏全面的基准来评估电影编译。为了解决这个问题，我们推出了 CineBench，这是指令驱动的电影视频编译的第一个基准，具有多样化的用户指令和由专业编辑注释的高质量 真值 编译。为了克服上下文崩溃和时间碎片，我们提出了 CineAgents，这是一个多智能体系统，它将电影视频编辑重新表述为“设计和合成”范式。 CineAgents 执行脚本逆向工程来构建分层叙事记忆，以提供多级上下文，并采用迭代叙事规划流程将创意蓝图细化为最终编译的脚本。大量实验表明，CineAgents 的性能显着优于现有方法，生成的剪辑具有出色的叙事连贯性和逻辑连贯性。