ViMax：代理视频生成

长视频的生成需要系统的叙事规划和视觉一致性，这是当前的短片方法无法提供的。现有的方法生成没有叙事结构的孤立序列，并且缺乏维持场景中的角色和环境一致性的机制。我们提出了 ViMax，一种代理视频生成框架，它通过协调的多代理协作来解决视频创建问题，其中专门的组件协商叙事决策、视觉连续性和制作质量。我们的框架采用分层叙事引擎，具有检索增强生成功能以实现全局故事连贯性，以及依赖感知视觉一致性机制，可跨时间边界跟踪角色和环境状态，而 VLM 引导的代理则持续监控和完善叙事连贯性和视觉保真度。该框架使协调的代理协作能够生成扩展的叙述内容。这可以保持多场景时间轴上讲故事的完整性和视觉连贯性。