論文の概要: EditDistill: Is It Possible to Guide Video Editing with Image Editing?

• arxiv url: http://arxiv.org/abs/2610.34303v1
• Date: Sun, 25 Oct 2026 14:12:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.575589
• Title: EditDistill: Is It Possible to Guide Video Editing with Image Editing?
• Title（参考訳）: EditDistill:画像編集で動画編集をガイドすることは可能か?
• Abstract要約: 編集からガイドビデオ編集まで,画像レベルの視覚変換を蒸留するフレームワークであるEditDistillを提案する。 提案手法は,標準ベンチマークにおいて高い性能を実現し,様々なシナリオにまたがって高品質な映像編集結果を生成する。
• 参考スコア（独自算出の注目度）: 13.288275531163947
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in image editing have enabled fine-grained and highly controllable visual modifications. However, achieving similar levels of controllability in video editing remains an open challenge, particularly for precise local edits, dynamic temporal effects, and consistent lighting across frames.In this paper, we propose EditDistill, a framework that distills image-level visual transformations from edits to guide video editing.Specifically, given a source video and an edit prompt, we first generate an edited version of the initial video frame using an off-the-shelf image editing model. We then distill the visual transformation of this original-edited image pair into a compact representation termed an edit descriptor.This descriptor is injected into a video diffusion model through our lightweight fusion module, which steers the denoising process toward the desired edit. To align the video trajectory with the demonstrated image edit while preserving motion and layout, we train with edit-descriptor alignment and DINO structural consistency losses, and derive an equivalent inference-time guidance formulation under flow matching.Extensive experiments demonstrate that our method achieves strong performance on standard benchmarks and produces high-quality video editing results across diverse scenarios. For more details and videos, please refer to the anonymous webpage: https://yu-shaonian.github.io/EditDistill-Web/.
• Abstract（参考訳）: 画像編集の最近の進歩は、きめ細やかで制御可能な視覚的修正を可能にしている。 しかし,映像編集における同様のレベルの制御性を実現することは,特に局所的編集や動的時間効果,フレーム間の一貫した照明において,オープンな課題であり,編集からガイド映像編集まで,画像レベルの映像変換を蒸留するフレームワークであるEditDistillを提案する。 次に、このオリジナル編集画像対の視覚的変換を、編集記述子と呼ばれるコンパクトな表現に蒸留し、この記述子は、所望の編集に向けてデノナイズ処理を行う軽量融合モジュールを介してビデオ拡散モデルに注入する。 動きやレイアウトを保ちながら映像の軌跡を画像編集と整合させるため、編集記述子アライメントとDINO構造整合性損失を訓練し、フローマッチングの下で等価な推論時間ガイダンスの定式化を導出する。 詳細とビデオについては、匿名のWebページを参照してください。

関連論文リスト

• VINCIE-NExT: Unlocking Video Editing from Images via In-Context Modeling [67.29261369333067]
  画像からビデオへ編集機能を変換する統合フレームワークであるVINCIE-NExTを,テキスト内ビジュアルデモを通じて導入する。 画像編集対は、各出力フレームの空間的な外観ブループリントとして機能する、コンテキスト内視覚実証としてプリペアされる。 本研究では,空間座標系における画像のデモと映像フレームをリンクする新しい位置符号化手法を提案する。
  論文  参考訳（メタデータ） (2026-10-08T15:03:48Z)
• Transforming Image Editors into Video Editors [25.943590278301183]
  我々は、強力な画像エディタをアンカーベース生成によりビデオエディタに変換する。 デザインは、高価なエンドツーエンドのビデオ編集トレーニングを避けながら、モダンなイメージエディタの強みを直接継承する。
  論文  参考訳（メタデータ） (2026-10-08T00:43:09Z)
• 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)
• InsEdit: Towards Instruction-based Visual Editing via Data-Efficient Video Diffusion Models Adaptation [47.1844759979843]
  本稿では,HunyuanVideo-1.5をベースとしたインストラクションベースの編集モデルであるInsEditを紹介する。 InsEditは、Mutual Context Attention (MCA)に基づくビジュアル編集アーキテクチャとビデオデータパイプラインを組み合わせる InsEditは,O(100)Kビデオ編集データのみを用いて,我々のビデオ命令編集ベンチマークにおけるオープンソース手法の最先端結果を実現する。
  論文  参考訳（メタデータ） (2026-04-09T17:59:02Z)
• I2VEdit: First-Frame-Guided Video Editing via Image-to-Video Diffusion Models [18.36472998650704]
  本稿では,1フレームからビデオ全体への編集を事前学習した画像対ビデオモデルを用いてプロパガンダすることで,画像編集ツールをビデオに適用可能にする,新しい汎用的ソリューションを提案する。 I2VEditと呼ばれる本手法は,編集範囲に応じて映像の視覚的・運動的整合性を適応的に保持する。
  論文  参考訳（メタデータ） (2024-05-26T11:47:40Z)
• 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)
• MagicStick: Controllable Video Editing via Control Handle Transformations [49.29608051543133]
  MagicStickは、抽出した内部制御信号の変換を利用してビデオプロパティを編集する、制御可能なビデオ編集方法である。 統合フレームワークにおける多数の実例について実験を行った。 また、形状対応テキストベースの編集や手作り動画生成と比較し、従来の作品よりも優れた時間的一貫性と編集能力を示した。
  論文  参考訳（メタデータ） (2023-12-05T17:58:06Z)
• Shape-aware Text-driven Layered Video Editing [39.56765973770167]
  形状変化に対処する形状認識型テキスト駆動ビデオ編集手法を提案する。 まず、入力と編集されたすべてのフレーム間の変形場を伝搬する。 次に、事前学習したテキスト条件拡散モデルを用いて、形状歪みを補正し、目に見えない領域を完成させる。
  論文  参考訳（メタデータ） (2023-01-30T18:41:58Z)
• EditGAN: High-Precision Semantic Image Editing [120.49401527771067]
  EditGANは高品質で高精度なセマンティック画像編集のための新しい手法である。 EditGANは前例のない細部と自由度で画像を操作可能であることを示す。 また、複数の編集を組み合わせることも簡単で、EditGANのトレーニングデータ以外の編集も可能になります。
  論文  参考訳（メタデータ） (2021-11-04T22:36:33Z)

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。