Hugging Face · 每日论文· 媒体 / 作者来源·精选
VideoMaMa++：用保留与细化Token实现跨分块一致的视频抠像
原文标题
VideoMaMa++: Temporally Consistent Video Matting via Preserve-and-Refine Token
AI 导读
扩散式视频抠像受算力限制，每次只能处理6至24帧，跨分块边界易出现边缘闪烁和透明度不连续。VideoMaMa++把RGB与掩码作为独立Token流，经全时空自注意力自适应融合，并引入可学习的保留Token与细化Token，配合滑动窗口推理把已生成抠像传播到下一分块，同时用全局参考锚点防止长序列误差累积，无需额外训练。在标准基准和真实长视频上，其细节精度与时序一致性均优于此前扩散方法。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
论文针对扩散视频抠像的分块不一致问题提出可复用方法，并在标准基准和长视频上报告了跨边界一致性结果，适合作为视频生成/编辑方向的技术简报。
导读由模型辅助整理，非独立核验。完整信息见原文。