🎬 MovieNet × KMC 参考库分析报告

MovieNet (ECCV 2020) · 1100部经典电影 · 4个参考库 · 构建: 2026-08-05

📊 数据集总览

1,100

部电影

161.8

GB 总大小

8,539

标注文件

3.9M

海报/剧照URL

479

部剧本

815

部字幕

数据模块	内容	规模	状态
关键帧图片	1100部电影 240p关键帧	160.94 GB	⏬ 下载中
标注 (annotation)	角色bbox/场景边界/故事段/风格标签	8539文件, 53MB	✅ 已解压
元数据 (meta)	375K条电影信息	538 MB	⏬ 解压中
剧本 (script)	完整电影剧本	479部, 28MB	✅ 已解压
字幕 (subtitle)	SRT字幕	815部, 30MB	✅ 已解压
海报 (poster4M)	390万条海报+剧照URL	1.3GB (仅元数据)	✅ 已加载

📝 参考库 1: 叙事节奏库 (narrative_rhythm.json)

对应 KMC Phase: P01 → P02 (outline) → P03 (script)

322

部电影有story

4,577

故事段落

📐 段落结构模式

3-5段

极简叙事，每段承担大型叙事单元，适合短视频/短剧的粗骨架

KMC应用: P02 outline: 3-5个大段落框架，每段1-2个核心场景

6-10段

标准叙事，节奏均匀，适合传统三幕结构的短剧

KMC应用: P02 outline: 标准三幕×3场景，每幕3-4个情节点

11-20段

复杂叙事，多线交织，适合悬疑/群像短剧

KMC应用: P02 outline: 多线叙事，每条线3-5个节拍点

21+段

碎片化叙事，快速切换，适合高信息密度的爽剧

KMC应用: P02 outline: 快节奏爽剧模式，每段<60秒，密集情节点

🎵 四幕节奏曲线

阶段	镜头密度/分钟	时长占比	一致性	指导
开场建置(0-25%)	13.02	3.6%	0.958	开场建置阶段：典型段时长占总片长4%，镜头切换频率13.0/分钟
发展上升(25-50%)	13.31	4.7%	0.962	发展上升阶段：典型段时长占总片长5%，镜头切换频率13.3/分钟
转折深化(50-75%)	13.43	4.6%	0.96	转折深化阶段：典型段时长占总片长5%，镜头切换频率13.4/分钟
高潮收束(75-100%)	12.87	4.2%	0.954	高潮收束阶段：典型段时长占总片长4%，镜头切换频率12.9/分钟

🎬 参考库 2: 视觉风格库 (cinematic_style.json)

对应 KMC Phase: P06 (cinematographer) → P07 (scene_gen) → visual_director → colorist

46,857

风格标注

7858

部电影

🎬 景别分布 (Shot Scale)

closeup

30.1%

medium

23.4%

full

18.9%

extreme_closeup

15.4%

long

12.3%

🎥 运镜分布 (Camera Movement)

static

66.3%

moving

28.9%

push

3.3%

pull

0.8%

multi_movement

0.7%

🔀 景别 × 运镜推荐矩阵

景别	moving	multi_movement	pull	push	static
extreme_closeup	21.9%	0.4%	0.7%	3.1%	73.8%
closeup	19.7%	0.5%	0.2%	3.2%	76.4%
medium	29.9%	0.8%	0.7%	3.3%	65.3%
full	36.9%	0.9%	1.4%	3.6%	57.1%
long	45.9%	1.1%	1.7%	3.2%	48.2%

📊 Top 10 景别切换模式

#	切换模式	次数	占比
1	`closeup → closeup`	5,583	14.81%
2	`medium → medium`	3,124	8.29%
3	`closeup → medium`	2,614	6.94%
4	`medium → closeup`	2,607	6.92%
5	`extreme_closeup → extreme_closeup`	1,950	5.17%
6	`full → closeup`	1,867	4.95%
7	`full → full`	1,852	4.91%
8	`closeup → full`	1,795	4.76%
9	`full → medium`	1,728	4.58%
10	`medium → full`	1,664	4.41%

🎭 参考库 3: 场景结构库 (scene_structure.json)

对应 KMC Phase: P03 → P06 → storyboard_designer

348

部电影

45,385

场景边界

🎭 按类型的场景模式

类型	场景数	中位时长(s)	中位镜头数	中位一致性

📜 参考库 4: 剧本→视觉映射库 (script_visual_map.json)

对应 KMC Phase: P03 → P06 → P09 (shot_breakdown)

322

对齐电影

4,577

故事段落

113

有风格标注段

4,486

有字幕段

🔗 KMC 管线集成方案

基于老司机深度分析 KMC 管线代码后设计的集成方案，采用「蒸馏为 instruction 常量」策略。

🎯 集成优先级

优先级	参考库	集成点	改动量	风险	价值
🔴 Tier 1	cinematic_style	P09 `_CAMERA_MOVE_SELECTION_INSTRUCTION` 追加运镜/景别基准	~15行	零风险	⭐⭐⭐⭐⭐
🔴 Tier 1	cinematic_style	P09 `_PACING_SHOTTYPE_INSTRUCTION` 追加 Top 20 切换模式	~20行	零风险	⭐⭐⭐⭐
🟡 Tier 2	scene_structure	P09 `_DURATION_DECISION_INSTRUCTION` 追加镜头密度校准	~10行	低	⭐⭐⭐⭐
🟡 Tier 2	scene_structure	P07 `_VISION_VERIFY_INSTRUCTION` 追加一致性基准(0.958)	~8行	低	⭐⭐⭐⭐
🟢 Tier 3	narrative_rhythm	P02 outline 段数模板 + emotion_curve 节奏	~60行	中	⭐⭐⭐⭐
⚪ Tier 4	script_visual_map	P03/P09 描述→景别映射	待评估	—	⭐⭐⭐

📐 注入策略

✅ 推荐: Instruction 常量

蒸馏为 _XXX_INSTRUCTION 字符串，注入 P09 的 .task(steps=[...])

优势: LLM 可直接执行，P09 已有8个成熟常量验证过

首选

✅ 辅助: importlib 标量

数值常量通过 pacing_constants.py 模式 importlib 加载

适用: narrative_rhythm 的段数模板选择

辅助

❌ 不推荐: JSON 注入

原始 JSON 直接塞 prompt

问题: Token 浪费，LLM 难以解析大 JSON

不推荐

⚠️ 关键注意事项

数据适用性: MovieNet 是经典电影(横屏/长片)，KMC 是短剧(竖屏/30-120s)。

所有 MovieNet 数据必须标注 reference, not target — 用于 sanity-check 而非 hard quota。

例如：电影 closeup 30% → 短剧竖屏自然偏向更多 MCU (30-40%)

📁 产出文件

文件	位置	用途
构建脚本	`/mnt/storage/datasets/MovieNet/build_reference_libraries.py`	从 MovieNet 数据生成4个参考库
narrative_rhythm.json	`/mnt/storage/datasets/MovieNet/reference_libraries/`	叙事节奏参考库
cinematic_style.json	同上	视觉风格参考库
scene_structure.json	同上	场景结构参考库
script_visual_map.json	同上	剧本→视觉映射库
集成设计文档	`/home/kai/movienet-kmc-integration-design.md`	完整514行设计文档

📊 数据源: MovieNet (ECCV 2020, CUHK) · 1100部经典电影
🔧 构建工具: build_reference_libraries.py v1.0
🏗️ 集成设计: movienet-kmc-integration-design.md v1.0
📅 生成: 2026-08-05