이미지-투-비디오 에이전트 최적화: '말 잘 듣기'를 검토 가능한 문제로 먼저 만들기

2026년 9월 30일 보존된 중국어 원고 및 검증 자료를 바탕으로 재구성 및 수정됨; 옛 원고의 자구 그대로의 복원은 아님.

연구는 생성을 피드백 루프롤 바꿉니다

원본 논문은 먼저 멀티모달 모델을 사용해 의미론 및 결함 문제에 따라 프롬프트를 개선한 다음, 베이즈 최적화를 통해 랜덤 시드와 CFG 등의 파라미터를 탐색할 것을 제안합니다. 이 연구는 이미지-투-비디오의 지시 준수를 다루며, 모든 상업용 API가 동일한 파라미터를 개방한다고 보장하지는 않습니다. 본문은 재현하지 않았으며, 저자는 실험이 프로젝트 성공률로 전환되지 않는 것을 선호합니다.

동작 요구사항을 질문으로 분해하기

VQOS는 주체, 동작, 방향, 순서 및 변경 금지를 각각 작성할 것을 제안합니다. 예를 들어 "오른손으로 컵을 집어 들고, 컵은 화면 안에 계속 남아 있으며, 카메라는 전환되지 않는다"와 같습니다. 그리고 체크리스트를 나열합니다: 오른손을 사용했는가?, 컵이 사라지지 않았는가?, 동작이 완료되었는가? 이는 가상의 작업 설명이며, 이미 실행된 테스트가 아닙니다.

참조 이미지는 외관을 증명할 수 있지만, 미래의 동작을 자체적으로 규정할 수는 없습니다. 상충되는 이미지와 텍스트는 먼저 해결해야 합니다.

최적화에는 예산과 중단 조건이 있습니다

최대 재시도 횟수나 총예산을 규정하고, 각 수정 사항 및 그 원인을 기록하십시오. 프롬프트, 소스 소재, 모든 파라미터를 동시에 변경한 후 최종 영상만 보고 어떤 항목이 유효했는지 추측하지 마십시오. 높은 점수를 얻은 후보라도 여전히 핵심 요구사항을 위반하는 경우, 생성 확대를 멈추고 작업 정의로 돌아가거나 방식을 변경해야 합니다.

최종 검토를 하나의 점수에만 맡기지 않기

동작, 가림, 제품 디테일, 배경을 연이어 살펴본 다음 텍스트와 사운드를 대조하십시오. 기계가 검토한 문제는 브랜드, 실제 크기 또는 안전 표현이 누락되었을 수 있으므로, 검토자는 실제 프로젝트 조건을 보완해야 합니다.

VQOS 제작 서비스를 확인하고, 제작 요구사항에서 시제품 제작, 재시도 비용 및 검수 문제를 약속하십시오. 연구 속의 폐쇄형 루프 사상은 작업 방식을 개선하는 데 사용할 수 있으며, 무인 심사나 안정적인 납품을 보장하는 것은 아닙니다.