AllocMV：通过结构化持久状态实现音乐视频生成的最优资源分配

生成长程音乐视频常受限于高昂计算成本及跨镜头一致性难题。本文提出 AllocMV，一种将音乐视频合成建模为多选背包问题的分层框架。该系统通过全局规划器预先构建包含角色实体、场景先验及共享图的紧凑结构化持久状态。基于多模态线索估计片段显著性，利用动态规划求解器在高分辨率生成、中分辨率生成及复用分支间最优分配资源。针对重复音乐动机，实施基于发散度的分叉策略以复用视觉前缀，在降低成本的同时确保动机级连续性。实验表明，该方法在严格预算与节奏约束下实现了质量与资源消耗的最佳平衡。