本文介绍了一种名为Video2Music的背景音乐生成方法，该方法基于可控音乐变换器，能够根据视频生成匹配的音乐。通过分析视频的语义和情感特征，并利用多模态数据集MuVi-Sync进行训练，该方法生成高质量且风格一致的音乐。研究表明，该框架在音乐质量和与视频的匹配度上表现优异。