🔥 今日值得一读
视频生成新突破：ProactGen主动提问对齐意图，单轮效果超基线四轮，对齐度提升1.8倍！
ProactGen: Learning Proactive Clarification for Video Generation
👨💼 主理人解读 · 为什么值得关注
可减少视频生成反复试错：模型主动追问缺失偏好，开发者可集成到生成管线提升一次成片率。
📖 AI 总结
针对视频生成中用户提示词不充分、需反复生成修改的问题，该研究提出ProactGen框架，通过主动提问澄清用户意图。具体做法是用强化学习训练视觉语言模型作为提问策略，在观察初始提示词和视频草稿后，学习提出对下游生成最有价值的问题，并以最终视频与目标参考的对齐程度作为奖励。研究还发现，有效提问并不需要最终质量的草稿，因此可用更少去噪步数生成草稿，降低澄清成本。实验显示，ProactGen在目标对齐上的提升至少是最强基线增益的1.8倍；单轮澄清即超过最强基线四轮优化的对齐效果，且耗时仅为其29%。
🔑 关键词速览
| ProactGen | 本文提出的视频生成框架，通过主动提问澄清用户意图来提升生成视频与目标的对齐度。 |
| 主动澄清（Proactive Clarification） | 在生成过程中主动向用户提问以获取缺失的意图信息，从而减少反复生成和修改的循环。 |
| 视觉语言模型（Vision-Language Model） | 能够同时处理视觉和文本信息的模型，本文中用作提问策略来观察提示词和视频草稿并生成问题。 |
| 强化学习（Reinforcement Learning） | 一种机器学习范式，通过奖励信号训练模型学习最优策略，本文用于训练提问策略以最大化下游生成对齐度。 |
| 去噪步骤（Denoising Steps） | 扩散模型中逐步去除噪声以生成视频的迭代步骤，减少步骤可降低生成草稿的计算成本。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅