一种基于分层重规划架构的长视频动作规划方法和设备

本发明提出了一种基于分层重规划架构的长视频动作规划方法和设备，属于计算机视觉技术领域，该方法包括：基于输入的起始视频观测和目标视频观测，通过第一层扩散模型生成中间观测和任务类别；基于起始视频观测和目标视频观测，以及生成的中间观测和任务类别，通过第二层扩散模型生成初始动作序列；对初始动作序列进行过滤以缩小中间动作的搜索空间并冻结序列两端动作，通过第三层扩散模型对中间动作进行重新规划，生成最终动作序列。基于该方法，还提出了一种基于分层重规划架构的长视频动作规划设备。本发明通过观测规划、动作规划和重规划机制，显著提升了长视频动作序列中段动作的规划精度，改善了整体规划的平衡性和鲁棒性。