多模态生成

从长视频游戏录像里自动剪出适合竖屏短视频的精彩片段，靠 AI 场景分析挑高光、GPU 加速渲染，还能加 AI 配音。

CVPR'24 论文官方实现，用上下文残差学习加少量样本提示，让一个通用模型跨类别做异常检测，免去每类单独训练。