論文の概要: FlowAnchor: Stabilizing the Editing Signal for Inversion-Free Video Editing
- arxiv url: http://arxiv.org/abs/2604.22586v1
- Date: Fri, 24 Apr 2026 14:17:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-27 15:36:26.496297
- Title: FlowAnchor: Stabilizing the Editing Signal for Inversion-Free Video Editing
- Title（参考訳）: FlowAnchor: インバージョンフリービデオ編集のための編集信号の安定化
- Authors: Ze Chen, Lan Chen, Yuanhang Li, Qi Mao,
- Abstract要約: FlowAnchorは、安定的で効率的なインバージョンフリーなフローベースのビデオ編集のためのトレーニング不要のフレームワークである。
編集の場所と、高次元ビデオラテント空間での編集の強さの両方をアンカーする。
より忠実で、時間的コヒーレントで、計算的に効率的なビデオ編集を実現し、挑戦的なマルチオブジェクトと高速モーションのシナリオにまたがる。
- 参考スコア（独自算出の注目度）: 7.08737643046839
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose FlowAnchor, a training-free framework for stable and efficient inversion-free, flow-based video editing. Inversion-free editing methods have recently shown impressive efficiency and structure preservation in images by directly steering the sampling trajectory with an editing signal. However, extending this paradigm to videos remains challenging, often failing in multi-object scenes or with increased frame counts. We identify the root cause as the instability of the editing signal in high-dimensional video latent spaces, which arises from imprecise spatial localization and length-induced magnitude attenuation. To overcome this challenge, FlowAnchor explicitly anchors both where to edit and how strongly to edit. It introduces Spatial-aware Attention Refinement, which enforces consistent alignment between textual guidance and spatial regions, and Adaptive Magnitude Modulation, which adaptively preserves sufficient editing strength. Together, these mechanisms stabilize the editing signal and guide the flow-based evolution toward the desired target distribution. Extensive experiments demonstrate that FlowAnchor achieves more faithful, temporally coherent, and computationally efficient video editing across challenging multi-object and fast-motion scenarios. The project page is available at https://cuc-mipg.github.io/FlowAnchor.github.io/.
- Abstract（参考訳）: 本研究では,安定かつ効率的なインバージョンフリーなフローベースビデオ編集のためのトレーニングフリーフレームワークであるFlowAnchorを提案する。
インバージョンフリーな編集手法は, 画像のサンプリング軌道を編集信号で直接操作することで, 画像中の印象的な効率と構造を保っている。
しかし、このパラダイムをビデオに拡張することは依然として困難であり、多目的シーンやフレーム数の増加でしばしば失敗する。
本研究では,高次元ビデオ潜時空間における編集信号の不安定性として根本原因を同定する。
この課題を克服するために、FlowAnchorは、編集の場所と編集の強さの両方を明示的に固定する。
テキスト誘導と空間領域の整合性を強制する空間認識注意制限と、十分な編集強度を適応的に保持する適応的マグニチュード変調を導入する。
これらとともに、これらのメカニズムは編集信号を安定化し、フローベースの進化を所望の目標分布へと導く。
大規模な実験により、FlowAnchorはより忠実で、時間的に一貫性があり、計算的に効率的なビデオ編集を実現し、挑戦的なマルチオブジェクトと高速モーションのシナリオにまたがる。
プロジェクトページはhttps://cuc-mipg.github.io/FlowAnchor.github.io/で公開されている。
関連論文リスト
- SteerFlow: Steering Rectified Flows for Faithful Inversion-Based Image Editing [9.343095346668665]
SteerFlowはモデルに依存しない編集フレームワークで、ソースの忠実性に関する強力な理論的保証がある。
本稿では,ターゲット編集速度とソース再構成速度を適応的にブレンドして,編集軌道をソースに固定するトラジェクトリ補間法を提案する。
FLUX.1-devとStable Diffusion 3.5 Mediumの実験では、SteerFlowは既存の方法よりも優れた編集品質を実現している。
論文 参考訳（メタデータ） (2026-04-02T07:26:13Z) - SAMA: Factorized Semantic Anchoring and Motion Alignment for Instruction-Guided Video Editing [76.349958946335]
本稿では,映像編集をセマンティックアンカーとモーションモデリングに分解するフレームワークであるSAMA(factorized Semantic Anchoring and Motion Alignment)を提案する。
まずセマンティックアンカリング(Semantic Anchoring)を導入し、スパースアンカフレームでのセマンティックトークンとビデオ潜在者を共同で予測することで、信頼性の高い視覚アンカを確立する。
第2に、モーションアライメントは同じバックボーンをモーション中心のビデオ復元のプリテキストタスクで事前トレーニングする。
論文 参考訳（メタデータ） (2026-03-19T17:59:51Z) - AnchorFlow: Training-Free 3D Editing via Latent Anchor-Aligned Flows [83.84009605031291]
トレーニング不要な3D編集は、モデル微調整なしで人間の指示に基づいて3D形状を変更することを目的としている。
既存のアプローチは、しばしば強い、あるいは幾何学的に安定した編集を作成するのに苦労する。
遅延アンカー一貫性の原理に基づいて構築されたAnchorFlowを紹介します。
論文 参考訳（メタデータ） (2025-11-27T11:50:39Z) - SplitFlow: Flow Decomposition for Inversion-Free Text-to-Image Editing [15.234877788378563]
整流流モデルは, 安定したサンプリング軌道と高忠実度出力により, 画像生成におけるデファクトスタンダードとなっている。
強力な生成能力にもかかわらず、画像編集タスクには限界がある。
近年の取り組みでは、ソースとターゲットの分布を直接ODEベースのアプローチでインバージョンせずにマッピングする試みが行われている。
本稿では,これらの制約に対応するために,インバージョンフリーな定式化に基づくフロー分解・集約フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-29T21:12:58Z) - FlowDirector: Training-Free Flow Steering for Precise Text-to-Video Editing [2.7248421583285265]
FlowDirectorは、新しいインバージョンフリーのビデオ編集フレームワークである。
我々のフレームワークは、編集プロセスをデータ空間の直接進化としてモデル化する。
局所的かつ制御可能な編集を実現するために,注意誘導型マスキング機構を導入する。
論文 参考訳（メタデータ） (2025-06-05T13:54:40Z) - Re-Attentional Controllable Video Diffusion Editing [48.052781838711994]
本稿では,Re-Attentional Controllable Video Diffusion Editing (ReAtCo)法を提案する。
対象物体の空間配置と編集されたテキストプロンプトを無訓練で整合させるために,再注意拡散(RAD)を提案する。
RADは、編集されたテキストプロンプトとデノナイジング段階のターゲットビデオとの間の相互注意活性化反応を再焦点化し、空間的に位置整列し、意味的に高忠実に操作されたビデオを生成する。
論文 参考訳（メタデータ） (2024-12-16T12:32:21Z) - VIA: Unified Spatiotemporal Video Adaptation Framework for Global and Local Video Editing [91.60658973688996]
我々は,グローバルなローカルビデオ編集のための統合ビデオ適応フレームワークであるVIAを導入し,一貫したビデオ編集の限界を推し進める。
本研究では,各フレーム内の局所的な一貫性を確保するため,事前学習した画像編集モデルに適応するテスト時間編集適応を設計した。
また,VIAは長時間の映像編集を一貫した時間で行うことができ,ビデオ編集作業が長続きする可能性を秘めていることを示す。
論文 参考訳（メタデータ） (2024-06-18T17:51:37Z) - MotionEditor: Editing Video Motion via Content-Aware Diffusion [96.825431998349]
MotionEditorはビデオモーション編集のための拡散モデルである。
新たなコンテンツ対応モーションアダプタをControlNetに組み込んで、時間的モーション対応をキャプチャする。
論文 参考訳（メタデータ） (2023-11-30T18:59:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。