BriefGPT - AI 论文速递 · 2024-01-02T00:00:00Z VideoDrafter: 内容一致的多场景视频生成与 LLM 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 利用大型语言模型 (LLM) 从文本提示中提取关键组件，包括前景对象的边界框坐标、各个对象的详细文本描述和简洁的背景上下文。通过两个阶段的操作，将这些组件布局到图像生成模型中，初步生成全局场景后，使用迭代细化方案对内容进行评估和修正，以确保与文本描述的一致性。经由用户研究进一步验证了我们的方法在从错综复杂的文本输入中生成连贯详细场景方面的功效。 🏷️ 标签 llm 关键组件 图像生成模型 大型语言模型 边界框坐标 连贯详细场景 阅读原文 生成长图 分享链接 已复制链接
