Zhenghan Chen, Zekai Shao, Xin Lin, Leting Cheng, Siming Chen · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28416 · open-access PDF
تتيح إنتاج الفيديو بموجب الكود إمكانية التحكم الجانبي، والتعديل المستهدف، وإعادة استخدام المكونات مقارنة مع إنتاج الفيديو المباشر. هذا النهج يتطلب نموذجًا لغة كبيرة متعددة الأبعاد (MLLMs) لترجمة متطلبات الصورة والطويلة إلى برامج قابلة للتحقيق التي تنتج الفيديو الكامل. ومع ذلك، فإن النتائج المرتبطة بالكود موجودة تركز أساسًا على المهام المتخصصة، مما يترتب على إنشاء الفيديو الكامل على مختلف الفئات الإبداعية والتعديلات التي يتم تقييمها.
Machine translation (Meta M2M100); the English original follows.
Code-based video generation offers fine-grained control, targeted editing, and component reuse compared with direct video generation. This approach requires multimodal large language models (MLLMs) to translate visual and temporal requirements into executable programs that produce complete videos. However, existing code-based benchmarks primarily target specialized tasks, leaving complete video creation across diverse creative categories and input modalities insufficiently evaluated. We introduce Code2Video-Compass, a general-purpose benchmark for code-based video generation across text-to-vid
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28416, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange