VideoAgent：科学视频的个性化合成
人工智能
2026-04-22 v2
摘要
研究论文的技术复杂性往往限制了其传播范围，需要更易获取的格式如科学视频来通过引人入胜的叙述传播关键见解。然而，现有的自动化方法主要关注静态海报或幻灯片演示，这些方法受限于模板且呈线性结构。转向受众自适应的视频合成需要解决非线性叙事编排以及不同多模态资产的联合同步问题。我们提出了 VideoAgent，一个将科学视频合成重新定义为意图驱动规划问题的模块化框架。通过将内容理解与多模态合成解耦，VideoAgent 自适应地在静态幻灯片与动态动画之间交错排列，以匹配叙述的语义密度。我们进一步提出了 SciVidEval，一个通过自动化指标和人类知识迁移研究评估多模态质量与教学实用性的基准。大量实验表明，VideoAgent 能够以高叙事保真度和传播影响力有效传达复杂的技术逻辑。
引用
@article{arxiv.2509.11253,
title = {VideoAgent: Personalized Synthesis of Scientific Videos},
author = {Xiao Liang and Bangxin Li and Zixuan Chen and Hanyue Zheng and Zhi Ma and Di Wang and Cong Tian and Quan Wang},
journal= {arXiv preprint arXiv:2509.11253},
year = {2026}
}