VIS-Ground：面向视频交互式叙事的上下文锚定方法

VIS-Ground 将上下文锚定定义为把异构输入转化为可执行约束模型的过程，包含结构化上下文抽取、生成约束归纳和受约束视频生成三个环节，通过规划、校验、修订与渲染来落实约束。在三个视频生成骨干上，VIS-Ground 的综合得分均为最高，相比各骨干上最强基线平均绝对提升 10.3 分，叙事与知识两类锚定均有增益；作者同时指出依赖抽取和渲染忠实实现仍存在挑战。