論文の概要: InfinityEdit: Infinite Video Editing with a Lightweight Edit-Ignition Adapter
- arxiv url: http://arxiv.org/abs/2608.20910v1
- Date: Fri, 21 Aug 2026 09:27:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.494709
- Title: InfinityEdit: Infinite Video Editing with a Lightweight Edit-Ignition Adapter
- Title（参考訳）: InfinityEdit:Infinite Video Editing with a Lightweight Edit-Ignition Adapter
- Abstract要約: 無限ビデオ編集のための軽量な編集アダプタを提案する。
オリジナルのモデルの無限生成能力を保ちながら、編集を施す。
実験の結果、InfinityEditは各編集のストリームを忠実に継続し、編集シーケンスよりも安定していることがわかった。
- 参考スコア（独自算出の注目度）: 25.43582750863899
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With large pretrained models, existing methods have effectively improved instruction-based video editing. However, most of them rely on an in-place editing assumption. They align the edited video with the given source clip frame by frame over a fixed time span. This pattern fails for open-ended streams, e.g., restyling a live game or applying a camera move to an ongoing shot. In such cases, edits must extend to future frames as they arrive, rather than be applied to a static input clip. In this paper, we study this setting and name it infinite video editing: given a preceding segment and an edit request, a model must generate the next segment that continues the stream while applying the requested edit. This process repeats as an unbounded sequence of edit instructions arrives. This task brings two challenges: the edit must be a faithful continuation rather than a frame-wise rewrite, and generation quality must remain stable as edits accumulate. To address them, we first design a data-collection pipeline for infinite video editing. Based on the collected data, we propose InfinityEdit, a lightweight edit adapter that equips a streaming video generator with unbounded editing ability. The adapter contains three attention modules. History cross-attention guides the denoising frames using the input frames. Temporal causal self-attention keeps temporal cues flowing only from earlier frames to later ones. Edit cross-attention injects the edit request into generation. During inference, the adapter is activated only in the chunk where an edit request arrives. Subsequent chunks are generated by the original model with a reset anchor frame. This scheme applies the edit while preserving the original model's infinite generation ability. Extensive experiments show that InfinityEdit faithfully continues the stream under each edit, and stays stable over unbounded edit sequences.
- Abstract（参考訳）: 大きな事前訓練されたモデルにより、既存の手法は命令ベースのビデオ編集を効果的に改善した。
しかし、そのほとんどは、その場での編集の前提に依存している。
彼らは編集されたビデオと所定のソースクリップフレームを固定時間枠で調整する。
このパターンは、例えばライブゲームをリコールしたり、進行中のショットにカメラの動きを適用するなど、オープンエンドストリームで失敗する。
そのような場合、編集は、静的な入力クリップに適用されるのではなく、到着時に将来のフレームに拡張されなければならない。
本稿では,先行セグメントと編集要求が与えられた場合,モデルが要求された編集を適用しながらストリームを継続する次のセグメントを生成する必要がある。
このプロセスは、非有界な編集命令が到着するときに繰り返す。
このタスクには2つの課題がある: 編集はフレーム単位の書き直しよりも忠実な継続でなければならないし、編集が蓄積されるにつれて生成品質は安定していなければならない。
そこで我々はまず,無限ビデオ編集のためのデータ収集パイプラインを設計する。
収集したデータに基づいて,非有界な編集機能を備えたストリーミングビデオジェネレータを備えた軽量な編集アダプタであるInfinityEditを提案する。
アダプタには3つのアテンションモジュールが含まれている。
履歴のクロスアテンションは、入力フレームを使用してデノイングフレームをガイドする。
時間的因果自己注意は、初期のフレームから後のフレームにのみ時間的手がかりが流れ続ける。
編集 クロスアテンションは、編集要求を生成に注入する。
推論中、アダプタは、編集要求が到着したチャンクでのみ起動される。
その後のチャンクは、リセットアンカーフレームを備えたオリジナルのモデルによって生成される。
このスキームは、オリジナルのモデルの無限生成能力を保ちながら編集を適用する。
大規模な実験により、InfinityEditは各編集のストリームを忠実に継続し、無制限の編集シーケンスに対して安定した状態にあることが示されている。
関連論文リスト
- Instruction-Based Video Editing by Repurposing an Image Editing Model [55.9214783600876]
そこで本研究では,ビデオVAEラテントを直接操作することで,強力な命令ベースの画像編集モデルで映像を編集可能であることを示す。
以上の結果から,ビデオ潜在空間のトレーニングに多大な投資をしているにもかかわらず,フレームごとのラテントは画像領域に十分近いままであり,画像編集の事前転送が最小限に抑えられることが示唆された。
論文 参考訳（メタデータ） (2026-08-14T18:01:29Z) - AlbedoEdit: Unified Instance-Level Video Editing with Albedo Guidance [42.3107762497025]
ビデオ生成モデルは、ビデオシーケンスの合成において顕著な進歩を遂げた。
オブジェクト挿入、オブジェクト除去、テクスチャ編集など、細かいインスタンスレベルのビデオ編集は、目覚ましいが難しい問題として現れている。
本稿では,オブジェクト挿入,オブジェクト削除,テクスチャ編集を共同でサポートする統合ビデオ編集フレームワークであるAlbedoEditを提案する。
論文 参考訳（メタデータ） (2026-05-31T17:33:14Z) - EasyV2V: A High-quality Instruction-based Video Editing Framework [108.78294392167017]
キャプションemphEasyV2Vは、命令ベースのビデオ編集のためのフレームワークである。
EasyV2Vは、例えば video+text、 video+mask+reference+、最先端のビデオ編集結果などの柔軟な入力で動作する。
論文 参考訳（メタデータ） (2025-12-18T18:59:57Z) - FlowDC: Flow-Based Decoupling-Decay for Complex Image Editing [52.54102743380658]
本稿では,複雑な編集を複数のサブ編集エフェクトに分離し,編集プロセス中に並列に重畳するFlowDCを提案する。
FlowDCは既存の方法に比べて優れた結果を示した。
論文 参考訳（メタデータ） (2025-12-12T09:08:39Z) - UniEdit: A Unified Tuning-Free Framework for Video Motion and Appearance Editing [28.140945021777878]
ビデオモーションと外観編集の両方をサポートする、チューニング不要のフレームワークであるUniEditを提示する。
映像コンテンツを保存しながら動きの編集を実現するため,補助的な動き参照と再構成のブランチを導入する。
得られた特徴は、時間的および空間的自己注意層を介して、主編集経路に注入される。
論文 参考訳（メタデータ） (2024-02-20T17:52:12Z) - RealCraft: Attention Control as A Tool for Zero-Shot Consistent Video Editing [9.215070588761282]
本研究では,ゼロショット映像編集のためのアテンション制御方式であるRealCraftを提案する。
新たな特徴注入にクロスアテンションを切り替え、編集対象の空間的注意を緩和することにより、局所的な形状の編集を実現する。
提案するゼロショットアテンション制御方式を,様々なビデオで紹介し,形状,時間一貫性,パラメータフリーな編集方法を示した。
論文 参考訳（メタデータ） (2023-12-19T22:33:42Z) - Neural Video Fields Editing [56.558490998753456]
NVEditは、メモリオーバーヘッドを軽減し、一貫性を向上させるために設計された、テキスト駆動のビデオ編集フレームワークである。
我々は、数百フレームの長いビデオのエンコーディングを可能にするために、三面体とスパースグリッドを用いたニューラルビデオフィールドを構築した。
次に、オフザシェルフテキスト・トゥ・イメージ(T2I)モデルを用いて、ビデオフィールドをテキスト駆動編集エフェクトに更新する。
論文 参考訳（メタデータ） (2023-12-12T14:48:48Z) - Neutral Editing Framework for Diffusion-based Video Editing [24.370584544151424]
本稿では,複雑な非剛性編集を可能にするニュートラル編集(NeuEdit)フレームワークを提案する。
NeuEditは、拡散ベースの編集システムのチューニング編集プロセスを強化する「中立化」の概念を導入している。
多数のビデオの実験は、NeuEditフレームワークの適応性と有効性を示している。
論文 参考訳（メタデータ） (2023-12-10T16:28:32Z) - 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) - MagicEdit: High-Fidelity and Temporally Coherent Video Editing [70.55750617502696]
MagicEditは、テキスト誘導ビデオ編集タスクの驚くほどシンプルで効果的なソリューションです。
トレーニング中,コンテンツ,構造,動作信号の学習を明示的に切り離すことで,高忠実で時間的に一貫した映像翻訳を実現することができることがわかった。
論文 参考訳（メタデータ） (2023-08-28T17:56:22Z)
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。