arXiv · AI· Zhen Xing, Shuyuan Tu, Qi Dai, Zihao Zhang, Hui Zhang, Han Hu, Zuxuan Wu, Yu-Gang Jiang·· 2026-10-05AI 评分28
VIDiff:基于扩散模型的多模态指令视频翻译与编辑
VIDiff: Translating Videos via Multi-Modal Instructions with Diffusion Models
AI 导读
VIDiff 是首个专为视频指令扩散设计的统一基础模型,涵盖理解与生成任务。该模型可在数秒内根据用户指令编辑和翻译视频,并利用迭代自回归方法确保长视频编辑的一致性。
来源:arXiv · AI · arxiv.org