arXiv · AI· Bohai Gu, Taiyi Wu, Dazhao Du, Jian Liu, Shuai Yang, Xiaotong Zhao, Alan Zhao, Song Guo·· 8 小时前AI 评分20
Place-it-R1：利用环境感知 MLLM 推理实现物理合理的视频物体插入
Place-it-R1: Unlocking Environment-aware Reasoning Potential of MLLM for Video Object Insertion
AI 导读
论文提出 Place-it-R1，一个由环境感知 MLLM 驱动的物理合理视频物体插入端到端框架。 该框架利用 MLLM 分析目标环境并推断物体-场景交互，生成语义与空间双重引导；引入空间直接偏好优化（Spatial DPO），通过 MLLM 对生成候选进行排序，将物理违规惩罚精确限定在插入物体区域。
来源：arXiv · AI · arxiv.org