OmniXRef：支持多重参考的多模态视频编辑统一框架
OmniXRef 是一个视频编辑框架，可结合文本、图像和视频参考，控制源视频的不同属性。其模型通过扩散 Transformer 联合处理源视频和多模态上下文。研究人员还介绍了通过合成流程构建的数据集，以及用于评估镜头运动、动作、内容、风格和视觉特效迁移的基准测试。研究团队称，评测结果显示该模型优于针对特定任务的基线方法和商业模型。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。