" OmniXRef: A Systems for Multildom multi-reference Video Editing >

arXiv: 26102.22744v 1 Annualce Type: New Habstractive: Creative Objective in Video Editing может выражаться в текстовых инструкциях (например, "отменить людей"), ссылках на изображения (внешнее представление), видеоссылках (т.е. Мы представляем OmniXRef, унифицированную основу для мультимодального многосредового редактирования видео, которая позволяет пользователям объединять переменные числа текстовых ссылок, изображений и видеоссылок в целях контроля различных атрибутов исходного видео. Сначала мы разработаем унифицированный план ввода данных с интерфейсом со справочными банками и введём $2 долл.-ROPE, чтобы поддержать обобщение для большего числа ссылок. Затем наша модель, OmniXRef-Model, использует трансформатор для однополосной диффузии для совместной обработки исходного видео и мультимодального контекста из MLLM в взаимоувязанной последовательности. В целях решения проблемы нехватки данных о подготовке кадров для редактирования видеоссылок мы составляем данные " OmniXRef-Data &qt; с использованием обобщающих трубопроводов для выполнения различных задач по редактированию и комбинаций ссылок. Мы используем cu