**ShotPlan：基于可学习规划Token的电影级多镜头视频生成框架**

_ShotPlan: Cinematic Video Generation with Learnable Planning Token_

> HuggingFace每日论文推荐：ShotPlan提出了一种基于视频扩散基础模型的显式多镜头电影级视频生成框架。该方法引入可学习的规划Token以捕捉镜头转换线索，并结合分数时间旋转位置嵌入（FRoPE）实现帧级镜头过渡建模。实验表明，ShotPlan在镜头管理灵活性和镜头间一致性方面显著优于现有方法。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-07-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.17675)