CANVAS：基于视觉代理分球的连续性感知叙事
计算与语言
2026-04-16 v1
摘要
长篇视觉叙事需要在镜头之间保持连续性，包括一致的字符、稳定的环境和顺畅的场景转换。虽然现有生成模型能够产生强大的单个帧，但无法保持此类连续性，导致外观变化、背景不一致和突兀的场景转换。我们引入 CANVAS（Continuity-Aware Narratives via Visual Agentic Storyboarding），一个多代理框架，显式规划多镜头叙事中的视觉连续性。CANVAS 通过字符连续性、持久的背景锚点和面向位置的场景规划，实现同一场景内的连贯性。我们在两个故事板生成基准测试 ST-BENCH 和 ViStoryBench 上评估了 CANVAS，并引入一个新的具有挑战性的基准 HardContinuityBench 用于长期叙事一致性。CANVAS 在所有指标上均显著优于最佳基线，背景连续性提升 21.6%，字符一致性提升 9.6%，道具一致性提升 7.6%。
引用
@article{arxiv.2604.13452,
title = {CANVAS: Continuity-Aware Narratives via Visual Agentic Storyboarding},
author = {Ishani Mondal and Yiwen Song and Mihir Parmar and Palash Goyal and Jordan Boyd-Graber and Tomas Pfister and Yale Song},
journal= {arXiv preprint arXiv:2604.13452},
year = {2026}
}