يقدم الباحثون إطار عمل OpenCoF، الذي يتكون من مجموعة بيانات OpenCoF-17K ونموذج Wan-CoF، لتقدم الاستدلال Chain-of-Frame (CoF) في توليد الفيديو. تغطي مجموعة بيانات OpenCoF-17K 11 عائلة مهام، وتوفر إشرافًا زمنيًا متنوعًا يعالج الفجوات في مولدات الفيديو العامة الحالية.
- Wan-CoF هو نسخة مُضبوطة بدقة من نموذج الأساس Wan2.2-I2V-A14B.
- يحقق مكاسب كبيرة عبر أربعة معايير لتقييم استدلال الفيديو.
- تستكشف الدراسة تزويد النموذج برموز استدلال مرئية ونصية لالتقاط الإشارات البصرية منخفضة المستوى والأولويات الدلالية عالية المستوى.
- يفحص التحليل كيف تساهم هذه الرموز عبر عمق النموذج، وخطوات إزالة الضوضاء، والمكان، والزمان.
يخلص المؤلفون إلى أن الاستدلال الأقوى في الفيديو يتطلب كلًا من الإشراف الزمني الواسع وآليات صريحة لتنظيم حالة الاستدلال الوسيطة. تم فتح مجموعة البيانات والنموذج والكود كمصدر مفتوح لتسهيل الأبحاث المستقبلية.