Мебель остаётся на месте: согласованность предметов в сцене
При генерации видео ролик из множества кадров каждый кадр создаётся, исходя из описания, но связь с предыдущим — это отдельный процесс. Модель должна помнить не только о расположении персонажа, но и о том, где стоит стол, диван, какие предметы лежат на полках.
Проблема осложняется тем, что сцена может медленно трансформироваться. Камера движется, и предметы не просто остаются на месте, но и перспектива должна быть логичной. Стол, находившийся слева, при развороте камеры должен оказаться сзади, а не исчезнуть.
Как работают практики
Те, кто часто генерирует видео интерьеров, используют раскадровку с чётким описанием исходной геометрии сцены. Каждый новый запрос включает явное описание расположения основных предметов, чтобы модель не считала их переменными параметрами.
Альтернатива — генерировать видео короче, в пределах одного кадра камеры, а потом склеивать эти фрагменты. Так согласованность сцены не требует от модели помнить долгосрочный контекст, только локальный.
Заказчики, работающие в рекламе, начали рассматривать несогласованность мебели не как брак, а как издержка, вынуждающие ещё на этапе сценария задумываться о границах генерации.