Code-as-CoT Video Generation Physical Consistency Agentic System
摘要

文本生成视频模型虽视觉质量优异,但难以生成物理一致的动态效果。现有思维链方法因中间表示不可执行或时间稀疏而受限。本文提出 VideoCoCo,一种代理双引擎框架,将可执行的 Blender 代码作为过程级思维链。编码代理根据提示合成程序以明确场景及其时间演化,仿真引擎生成确定性时空草稿,再由生成引擎转化为逼真视频。该方法分离了过程推理与视觉实现,并在多个基准测试中取得最佳成绩,证明可执行代码是有效的中间表示。

AI 推荐理由

提出代码即思维链,利用可执行代码作为中间表示进行物理一致性推理,核心在于推理机制。

研究机构
1 2 3,1 10
论文信息
作者 Haodong Li, Tianfei Ren, Xiaoxiao Ma, Chunmei Qing, Zhen Fang et al.
发布日期 2026-07-29
arXiv ID 2607.27380
相关性评分 9/10 (高度相关)