🎬 عامل VISTA — عامل هوش مصنوعی گوگل برای بهبود ویدیوهای تولیدی! 🚀

گوگل و دانشگاه ملی سنگاپور (NUS) از VISTA رونمایی کردند — نخستین سامانه چندعاملی (Multi-Agent System) که به‌صورت خودکار متنِ پرامپت کاربر را بازنویسی و کیفیت ویدیوهای تولیدی را به‌طور چشمگیر ارتقا می‌دهد.

💡 ویژگی منحصربه‌فرد:

عامل VISTA نه‌تنها متن را اصلاح می‌کند، بلکه ویدیو (🎬)، صوت (🔊) و زمینه‌ی معنایی را به‌صورت هم‌زمان بهینه می‌سازد.

🧠 مکانیزم عملکرد:

1️⃣ برنامه‌ریزی صحنه‌ها بر اساس زمان‌بندی

2️⃣ انتخاب بهترین خروجی از طریق رقابت جفتی (pairwise tournaments) ⚔️

3️⃣ سه عاملِ منتقد، کیفیت هر بُعد را تحلیل می‌کنند

4️⃣ مرحله‌ی «تفکر عمیق» (Deep Thinking) پرامپت را بازنویسی و بهبود می‌دهد

📈 نتایج چشمگیر:

✅ در ۶۰٪ از مقایسه‌ها، ویدیوهای VISTA از مدل‌های پیشرفته‌تر (SOTA) بهترند

✅ در ارزیابی انسانی، ۶۶.۴٪ از کاربران ویدیوهای VISTA را ترجیح دادند

✅ حتی مدل‌های ضعیف‌تر (مثل Veo 2) نیز با آن عملکردی بسیار بهتر دارند

🔬 آزمایش‌ها نشان می‌دهند VISTA می‌تواند پیوسته و به‌صورت خودکار کیفیت ویدیوها را به سطح خلاقانه‌تری برساند.

📄 مقاله:
https://arxiv.org/abs/2510.15831

#AI #Google #VISTA #Text2Video #GenerativeAgents #VideoAI
—

@asrgooyeshpardaz