WanPE: Towards Cinematic Prompt Enhancement for Modern Text-to-Video Generation
Aggiunta all'archivio di AIChronos il (numero del 25 settembre 2026 ricostruito)· fonte del · Yubo Zhu, Yawen Shao, Ziyun Dai, Zixun Fang, Kai Zhu, Siyang Sun
WanPE è un modello di enhancement dei prompt da 397 miliardi di parametri addestrato su 1.05 milioni di video reali per pianificare scene cinematografiche a livello di regista.
- Utilizza la costruzione inversa basata sul video (video-grounded reverse construction) invece della riscrittura forward per generare piani cinematici shot-by-shot.
- Impiega Semantic-Consistency GRPO (SC-GRPO) per preservare fedelmente i requisiti dell'utente attraverso più shots e nel tempo.
- Il modello WanPE-397B migliora le preferenze umane rispetto ai prompt grezzi di 10.66-18.84 punti a 5-15 secondi e di 50.86 punti in scenari da 30 secondi quando abilita Wan3.0.
- WanPE supera tutte le offerte commerciali valutate nella fascia temporale da 5 a 15 secondi ed è competitivo con Seedance 2.5 ai 30 secondi.
Perché conta. ['Rappresenta un avanzamento significativo per chi sviluppa generatori di video test-to-video, offrendo una capacità di pianificazione complessa che riduce il gap tra prompt utente e output cinematografico.', "L'approccio basato su SC-GRPO garantisce coerenza semantica cruciale per applicazioni locali o enterprise dove la fedeltà al requisito dell'utente è prioritaria rispetto alla velocità bruta."]
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.