GRNEdit：从生成式精炼网络的二元证据视角实现高效通用视频编辑
GRNEdit 是一个面向指令式通用视频编辑的轻量级两阶段框架。它将编辑意图表示为对单个比特进行保留或翻转的局部决策，再由生成式精炼网络将这些决策整合为连贯的视觉语义。专门设计的空条件表示“不编辑”，有助于保留源内容。模型仅使用 0.6 百万对训练数据和不到 3% 的条件参数进行训练；GRNEdit-2B 和 GRNEdit-8B 在 OpenVE-Bench 上分别获得 4.03 和 4.18 分。2B 模型超过了多个拥有 140 亿参数的开源编辑器，8B 模型的表现则与领先的开源编辑器相当。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。