Hugging Face · 每日论文· 媒体 / 作者来源·精选
OmniXRef: 统一多模态多参考视频编辑框架
原文标题
OmniXRef: A Unified Framework for Multimodal Multi-Reference Video Editing
AI 导读
研究团队推出OmniXRef框架，支持结合文本、图像和视频参考进行视频编辑。该框架采用统一输入设计和R²-RoPE技术，通过单流扩散Transformer处理源视频和多模态上下文。为解决训练数据稀缺问题，研究人员构建了OmniXRef-Data数据集，并引入课程学习逐步增加任务复杂度。同时发布OmniXRef-Bench基准测试，评估视频参考在不同属性上的转移效果。实验表明，OmniXRef-Model在性能上超越任务特定基线和商业模型。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
OmniXRef解决了多模态参考视频编辑中统一处理不同类型参考的技术瓶颈，为视频创作者提供了更灵活、高效的编辑工具。
导读由模型辅助整理，非独立核验。完整信息见原文。