Zhenghan Chen, Zekai Shao, Xin Lin, Leting Cheng, Siming Chen · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28416 · open-access PDF
कोड-आधारित वीडियो उत्पादन सीधे वीडियो उत्पादन की तुलना में सटीक नियंत्रण, लक्षित संपादन, और घटकों का पुन: उपयोग प्रदान करता है। इस दृष्टिकोण को पूर्ण वीडियो उत्पादन करने के लिए पूर्ण वीडियो उत्पादन करने वाले संचालित कार्यक्रमों में दृश्य और समय की आवश्यकताओं को अनुवाद करने के लिए बहुमूल्य बड़े भाषा मॉडल (एमएलएलएम) की आवश्यकता होती है. हालांकि, मौजूदा कोड-आधारित बेंचमार्क मुख्य रूप से विशेष कार्यों को लक्षित करते हैं, विभिन्न रचनात्मक श्रेणियों और इनपुट मॉड्यूलों को पर्याप्त रूप से मूल्यांकन नहीं किया जाता है।
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