Zhenghan Chen, Zekai Shao, Xin Lin, Leting Cheng, Siming Chen · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28416 · open-access PDF
La génération de vidéos basée sur le code offre un contrôle fin, une édition ciblée et une réutilisation des composants par rapport à la génération de vidéos directes. Cette approche nécessite des modèles de grands langages multimodaux (MLLM) pour traduire les exigences visuelles et temporelles en programmes exécutables qui produisent des vidéos complètes. Toutefois, les critères de référence existants basés sur le code ciblent principalement des tâches spécialisées, laissant la création de vidéos complètes dans diverses catégories créatives et les modalités d'entrée insuffisamment évaluées.
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