Zhenghan Chen, Zekai Shao, Xin Lin, Leting Cheng, Siming Chen · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28416 · open-access PDF
La generación de vídeo basada en código ofrece control de grano fino, edición dirigida y reutilización de componentes en comparación con la generación de vídeo directa. Este enfoque requiere modelos multimodales de gran lenguaje (MLLMs) para traducir los requisitos visuales y temporales en programas ejecutables que producen vídeos completos. Sin embargo, los benchmarks basados en código existentes se dirigen principalmente a tareas especializadas, dejando la creación de vídeo completo a través de diversas categorías creativas y las modalidades de entrada insuficientemente evaluadas. Introducimos Code2Video-Compass, un benchmark de propósito general para la generación de vídeo basada en código a través de texto-a-vid
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