论文页面 - 一个编辑器，多重编辑：无需训练的统一框架实现多样化视频编辑

来源: https://huggingface.co/papers/2609.04190

摘要

EditVid 是一个无需训练的统一视频编辑框架，它结合了稀疏因果记忆、令牌注入和软潜在混合技术，支持指令引导和主体引导编辑，并保持高保真度。

视频编辑涵盖多种编辑模式，但在单一统一框架内同时实现高质量的指令引导和主体引导编辑（https://huggingface.co/papers?q=subject-guided%20editing）仍然充满挑战。我们提出了 EditVid，一个无需训练的框架，它结合了用于局部一致性的稀疏因果记忆（https://huggingface.co/papers?q=sparse%20causal%20memory）、基于对应关系的后注意力令牌注入（https://huggingface.co/papers?q=correspondence-based%20post-attention%20token%20injection）以保持长程身份一致性，以及软潜在混合（https://huggingface.co/papers?q=soft%20latent%20blending）以确保编辑局部性。同一框架支持指令引导和参考引导编辑，包括风格迁移、属性修改、对象插入、部分级别编辑以及主体替换。在 FiVE 基准测试上，EditVid 达到了 78.16 的 FiVE-Acc（https://huggingface.co/papers?q=FiVE-Acc），而目前评估过的最强无需训练基线仅为 58.95，同时在 IVEBench 上取得了有竞争力的结果。用户研究进一步表明，与7种竞争方法相比，有51.8%的用户整体更倾向于选择 EditVid。

查看 arXiv 页面 (https://arxiv.org/abs/2609.04190) 查看 PDF (https://arxiv.org/pdf/2609.04190) 项目页面 (https://plan-lab.github.io/editvid/) GitHub0 (https://github.com/PLAN-Lab/EditVid) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.04190)

通过您的代理获取此论文：

hf papers read 2609.04190

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2609.04190 以从本页面链接它。

引用此论文的数据集0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2609.04190 以从本页面链接它。

引用此论文的 Space0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2609.04190 以从本页面链接它。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从本页面链接它。