Yanzhe Chen Kevin Qinghong Lin Mike Zheng Shou

الملخص

بينما تُسهم النماذج التوليدية الحديثة في تطوير صناعة الفيديوهات في فضاء البكسل، تظل محدودة في إنتاج مقاطع فيديو تعليمية احترافية، التي تتطلب معرفة تخصصية، وهياكل بصرية دقيقة، وانتقالات متماسكة، ما يحد من تطبيقاتها في السياقات التعليمية. وبطريقة منطقية، تُعالج هذه المتطلبات بشكل أفضل من خلال التلاعب ببيئة قابلة للعرض، التي يمكن التحكم بها صراحةً عبر أوامر منطقية (مثل التعليمات البرمجية). في هذا العمل، نقترح إطار "Code2Video"، وهو إطار مُركّز على التعليمات البرمجية، يُستخدم لتوليد مقاطع فيديو تعليمية عبر كود بايثون قابل للتنفيذ. يتكون الإطار من ثلاث وكالات تعاونية: (1) المخطط، الذي يُنظم محتوى المحاضرات إلى تدفقات زمنية متماسكة ويُعدّ الموارد البصرية المقابلة؛ (2) المبرمج، الذي يحوّل التعليمات المُنظمة إلى كود بايثون قابل للتنفيذ، مع دمج آلية تصحيح ذاتي موجهة بالسياق لتعزيز الكفاءة؛ و(3) المُقيّم، الذي يستخدم نماذج اللغة والرؤية (VLM) مع محفزات بصرية مرجعية لتحسين التخطيط المكاني وضمان الوضوح. ولدعم التقييم المنهجي، نُنشئ "MMMC"، وهو معيار مكوّن من مقاطع فيديو تعليمية احترافية ومخصصة لقطاعات معرفية محددة. نُقيّم MMMC عبر أبعاد متنوعة، بما في ذلك درجات الجمالية حسب معيار VLM-as-a-Judge، وكفاءة الكود، وبشكل خاص، "TeachQuiz"، وهي مقياس جديد من نوعه يقيس مدى قدرة نموذج لغة ورؤية، بعد عملية إلغاء التعلّم (unlearning)، على استرجاع المعرفة من خلال مشاهدة مقاطع الفيديو المولّدة. تُظهر النتائج إمكانات "Code2Video" كنهج قابل للتوسع، وشفاف، وقابل للتحكم، حيث حقق تحسناً بنسبة 40% مقارنة بالتوليد المباشر للكود، وتم إنتاج مقاطع فيديو تُعادل جودتها مثيلاتها التي صُمّمت يدويًا من قبل البشر. يُتاح الكود والبيانات عبر الرابط التالي: https://example.com.