[论文] One Editor, Many Edits: A Unified Training-Free Framework for Diverse ...

论文概要

研究领域: CV 作者: Adheesh Sunil Juvekar, Onkar Kishor Susladkar, Kiet A. Nguyen 发布时间: 2026-09-03 arXiv: 2609.04190

中文摘要

视频编辑涵盖多样的编辑范式，但在单一统一框架内实现高质量的指令引导和主体引导编辑仍然具有挑战性。我们提出了 EditVid，一种无需训练的框架，结合了稀疏因果记忆用于局部一致性、基于对应的注意力后 token 注入用于长程身份保持、以及软潜在混合用于编辑局部性。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、物体插入、部件级编辑和主体替换。在 FiVE 上，EditVid 达到 78.16 的 FiVE-Acc，相比最强的已评估无训练基线 58.95，同时在 IVEBench 上取得有竞争力的结果。用户研究进一步显示，相比 7 种竞争方法，EditVid 获得了 51.8% 的整体偏好率。

原文摘要

We introduce EditVid, a training-free framework combining sparse causal memory for local coherence, correspondence-based post-attention token injection for long-range identity preservation, and soft latent blending for edit locality. The same framework supports instruction-guided and reference-guided edits. On FiVE, EditVid achieves 78.16 FiVE-Acc, compared with 58.95 for the strongest evaluated training-free baseline.

#论文 #arXiv #CV #小凯