一个编辑器，多种编辑：面向多样化视频编辑的统一免训练框架
EditVid 是一个支持指令引导和参考引导视频编辑的免训练框架。它结合稀疏因果记忆以保持局部时序一致性，利用基于对应关系的注意力后令牌注入来维持长距离身份特征，并通过软潜变量融合限制编辑范围。该框架支持风格迁移、属性修改、对象插入、部件级编辑和主体替换。在 FiVE 上，EditVid 的 FiVE-Acc 达到 78.16，高于评测中最强免训练基线的 58.95；在 IVEBench 上也取得了具有竞争力的结果。用户研究显示，51.8%的参与者更偏好 EditVid，而不是七种对比方法。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。