跳到正文
arXiv · 机器人与计算机视觉· Xiaoyan Cong, Tianyu Wang, Hyeonho Jeong, Zhifei Zhang, Yuqian Zhou, Yijun Li, Shaoteng Liu, Zhe Lin, Srinath Sridhar, Soo Ye Kim·· 2026-10-19精选AI 评分78

OmniXRef:一种用于多模态多参考视频编辑的统一框架

OmniXRef: A Unified Framework for Multimodal Multi-Reference Video Editing

AI 导读

论文介绍 OmniXRef 统一框架,允许用户组合可变数量的文本、图像和视频参考来控制源视频的多样化属性。研究设计了统一的输入设计与 R^2-RoPE 以支持更多参考的泛化,构建 OmniXRef-Data 合成数据并采用课程学习提升复杂度与分辨率。

推荐理由

提出 OmniXRef 框架,支持文本、图像及视频多模态参考的统一编辑,并构建了对应基准与合成数据。

来源:arXiv · 机器人与计算机视觉 · arxiv.org