SCMAPR: Multi-Agenten-Optimierung steigert Text‑zu‑Video bei komplexen Szenarien

Die neueste Veröffentlichung auf arXiv (2604.05489v1) präsentiert SCMAPR, ein innovatives Framework, das die Text‑zu‑Video‑Generierung in anspruchsvollen Szenarien deutlich verbessert. Durch die Koordination spezialisierter Agenten wird jeder Prompt zunächst einer taxonomisch fundierten Szenario‑Klasse zugeordnet, anschließend werden maßgeschneiderte Umschreibungsrichtlinien erstellt und schließlich eine strukturierte semantische Verifikation durchgeführt, die bei Unstimmigkeiten eine gezielte Revision auslöst.

SCMAPR nutzt einen mehrstufigen, Multi-Agenten-Ansatz, um die Ambiguität und Unter­spezifikation von Text‑Prompts zu reduzieren. Die Agenten arbeiten zusammen, um die passende Strategie für jedes Szenario auszuwählen, die Prompt‑Umformulierung zu optimieren und die Konsistenz der generierten Inhalte sicherzustellen. Dieser Ansatz führt zu einer stärkeren Ausrichtung von Text und Video und erhöht die Gesamtqualität der Ergebnisse.

Zur Messung der Leistungsfähigkeit wurde ein neues Benchmark‑Set namens T2V‑Complexity entwickelt, das ausschließlich komplexe Szenario‑Prompts enthält. In umfangreichen Tests auf drei bestehenden Benchmarks sowie dem eigenen T2V‑Complexity‑Set zeigte SCMAPR konsistente Verbesserungen. Die durchschnittlichen Scores stiegen um bis zu 2,67 % bei VBench, 3,28 % bei EvalCrafter und 0,028 bei T2V‑CompBench gegenüber drei führenden Baselines.

SCMAPR demonstriert damit, dass ein gezielter, agentenbasierter Prompt‑Refinement-Ansatz die Grenzen der aktuellen Text‑zu‑Video‑Technologien verschieben kann. Die Ergebnisse legen nahe, dass zukünftige Systeme von einer ähnlichen, selbstkorrigierenden Architektur profitieren könnten, um die Qualität und Zuverlässigkeit bei komplexen Szenarien weiter zu steigern.