Hugging Face · 每日论文· 媒体 / 作者来源·精选
DirCast: 基于单流媒体视频语言模型的现场电子竞技导演与解说
原文标题
DirCast: Live Esports Directing and Commentary with a Single Streaming Video-Language Model
AI 导读
研究人员开发了一种名为DirCast的单流媒体视频语言模型，能够实时进行电子竞技直播的导演和解说。该模型通过分析所有摄像机的低分辨率画面，决定何时切换镜头，并在高分辨率下读取选定镜头的内容进行解说。DirCast在导演和解说方面均优于基于规则的导演和GPT-5等模型，解说能力在Proact-VL协议下与GPT-4o相比胜出29.2%。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
DirCast模型在电子竞技直播导演和解说方面展现出优于现有技术的性能。
导读由模型辅助整理，非独立核验。完整信息见原文。