نعرض "كابتن سينما"، وهو إطار لإنشاء أفلام قصيرة.عند إعطاء وصف نصي تفصيلي لسيناريو فيلم، فإن منهجيتنا تبدأ أولاً بإنشاء سلسلة من الصور الرئيسية (Keyframes) التي تحدد الحبكة الكاملة، مما يضمن التسلسل الطويل (Long-range coherence) في كل من سيناريو الفيلم والمظهر البصري (مثل المشاهد والأبطال). نشير إلى هذه الخطوة باسم التخطيط التصاعدي للصور الرئيسية (Top-down keyframe planning).تُستخدم هذه الصور الرئيسية لاحقًا كإشارات توجيهية لنموذج إنشاء الفيديو، الذي يدعم التعلم الطويل للسياق، لإنتاج الديناميات الفضائية والزمنية بينها. تُعرف هذه الخطوة باسم إنشاء الفيديو التصاعدي (Bottom-up video synthesis).ولدعم إنشاء أعمال سينمائية متعددة المشاهد ذات حبكة طويلة بشكل مستقر وفعال، نقدم إستراتيجية تدريب مختلطة (Interleaved training strategy) لنماذج التحويلات متعددة الوسائط (Multimodal Diffusion Transformers (MM-DiT))، وتم تكييفها خصيصًا للبيانات الفيديو ذات السياق الطويل.تم تدريب نموذجنا على مجموعة بيانات سينمائية تم جمعها بعناية، تتكون من أزواج بيانات مختلطة.تُظهر تجاربنا أن "كابتن سينما" يحقق أداءً متميزًا في إنشاء أفلام قصيرة ذات مظهر بصري متسق وحبكة سردية متماسكة، بجودة وكفاءة عالية.صفحة المشروع: https://thecinema.ai