Wieloetapowy pipeline: detekcja cięć, opisywanie klipów i filtrowanie po ruchu, tekście w kadrze, estetyce oraz zgodności obraz–tekst.
A multi-stage pipeline: cut detection, clip captioning and filtering by motion, on-screen text, aesthetics and image–text alignment.
Cięcie surowych filmów na krótkie ujęcia i wybieranie tylko tych, z których model może nauczyć się ruchu i obrazu.
Cutting raw videos into short shots and keeping only those a model can learn motion and visuals from.
Filmy z sieci mają ukryte cięcia, napisy, slajdy i statyczne kadry, więc generator wideo uczy się migających scen.
Web videos hide cuts, subtitles, slides and static frames, so a video generator learns flickering scenes.
Jak montażysta przeglądający taśmy: wykrywa przejścia, wyrzuca nudne lub zatekstowane ujęcia i podpisuje resztę.
Like an editor reviewing tapes: spotting transitions, throwing out dull or text-heavy shots and labelling the rest.
Wygenerowany filmik z biegnącym psem nie przeskakuje nagle do innej sceny, bo w nauce nie było ujęć z ukrytymi cięciami.
A generated clip of a running dog does not suddenly jump to another scene, because training shots had no hidden cuts.