连接创意意图和视觉质量：创作者驱动的循环视频生成与代理反馈循环

生成式人工智能使内容创作变得越来越容易，但许多人工智能生成的视频缺乏叙事连贯性和创意方向，这些问题在持续时间较长时会变得更加严重。与编码不同，人工智能生成受益于可靠的反馈和不断自我完善等技术，而视频生成需要有关情节、场景和叙事的主观反馈，这自然会激发融合人类创意方向的方法。我们推出了 CHIEF，这是一种人类与人工智能共同创作的视频生成框架，它将创作者置于人机循环迭代视频细化的中心，并通过提供自动主观反馈来支持它们。创建者通过驱动每次迭代来整合他们的创意方向，而他们的修订则由专门的精炼代理整合。反馈循环由角色条件多模式 LLM 生成，它观看生成的视频并从观众的角度产生主观批评，提供仅自我评估无法捕获的反馈。为了测试我们提出的框架的有效性，我们与没有电影制作经验的高中生和大学生合作制作视频，从 1 分钟的短片到情节复杂的 10 分钟完整短片。