EAVSD 是由北京大学团队于 2026 年发布的电商广告视频分镜数据集，旨在支持面向主体的多图像生成与叙事规划任务。相关论文成果为 Narrative Weaver: Towards Controllable Long-Range Visual Consistency with Multi-Modal Conditioning，广泛应用于面向主体的多图像生成与叙事规划任务，核心聚焦电商广告视频分镜生成与可控长程视觉一致性研究。 该数据集包含 50,538 个产品样本，总计 401,351 张场景图，涵盖 8 个匿名化电商产品类别，每个样本包含 1 张参考图片、 8 条英文场景提示词及对应生成的场景图，参考图像由 Qwen-VL 模型从原始商品列表中提取清洗，场景提示词由大语言模型规划并扩展为电影级英文描述，最终场景图像通过 Novita AI 的图像编辑 API 生成，所有场景图均为模型合成数据。

数据字段

• id：资产唯一标识符（如 category_a_000123）
• category：所属产品类别（category_a ~ category_h）
• reference：参考产品图文件名
• n_scenes_generated / n_scenes_total：实际生成的场景数量与总计划数量（固定为 8）
• scene_prompts：对应场景的英文提示词列表（保留生成模板前缀）
• scene_filenames / scene_errors：场景图文件名列表及对应失败场景的错误信息

Citation

@article{yao2026narrative,
title   = {Narrative Weaver: Towards Controllable Long-Range Visual Consistency with Multi-Modal Conditioning},
author  = {Yao, Zhengjian and Li, Yongzhi and Gao, Xinyuan and Chen, Quan and Jiang, Peng and Lu, Yanye},
journal = {arXiv preprint arXiv:2603.06688},
year    = {2026}
}