VIS-Ground: Video Interactive Storytelling with Contextual Grounding
Aggiunta all'archivio di AIChronos il (numero del 13 ottobre 2026 ricostruito)· fonte del · Bingxuan Li, Yiwen Song, Xueqing Wu, Yanzhou Pan, Yang Li, Kuang Su (Google)
VIS-Ground affronta la sfida del video storytelling interattivo gestendo le dipendenze latenti tra fonti di grounding, stato renderizzato e intenti degli utenti. Il framework trasforma contesti eterogenei in vincoli esecutivi attraverso l'astrazione strutturata dei contesti e l'induzione di vincoli generativi. Utilizza un processo che include pianificazione, verifica, revisione e rendering per garantire coerenza narrativa e fattuale.
- Introduce VIS-Ground come sistema che integra grounding narrativo e conoscitivo in scenari interattivi complessi.
- Implementa Structured Context Abstraction per recuperare stati groundati e dipendenze incrociate tra contesti diversi.
- Raggiunge un miglioramento medio assoluto di 10.3 punti rispetto ai baselines più forti su tre backbone generativi differenti.
Perché conta. È rilevante perché offre una metodologia per trasformare input non strutturati in vincoli eseguibili, cruciale per sviluppare agenti AI che devono mantenere coerenza contestuale durante la generazione multimodale.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.