ビデオ編集プロセスを簡素化および自動化する実証システムの概念をスタンフォード大学とAdobe Researchが研究論文で発表しています。
論文では、複数のカメラで撮影された、2人の出演者による対話シーンの映像を効率的に自動的に編集するためのシステムを解説。

システムの内容は、対象となる対話シーンのシナリオと、そのシーンを撮影した映像（同一シーンを複数アングルから撮影した映像）をシステムにインプットすると、システムではシナリオの対話部分を登場人物それぞれの行に分割。シナリオを元に読み込んだ映像を、対話に合わせて割り当てます。ユーザーが指定した編集イディオム（作風）のセットに基づいて、各対話行ごとに入力された映像の中から最も適切なものを自動的に選択してくれるというもの。

スタンフォード大学の研究チームによるこちらのページで、詳細や、システムで編集された映像クリップ例などが公開されていますので気になる方はご確認ください（英文）。

関連情報リンク

https://graphics.stanford.edu/papers/roughcut/