VideoCoF：将「时序推理」引入视频编辑，无Mask实现高精度编辑与长视频外推！
来自悉尼科技大学与浙江大学的研究团队提出 VideoCoF，一种基于“看-推理-编辑”机制的新型视频编辑框架，仅用 5 万训练样本即在多项指标上达到 SOTA。该模型通过 Chain of Frames 机制实现免 Mask 高精度编辑，并借助 RoPE 时序对齐支持最长 140 帧以上的视频外推。实验显示其指令遵循得分达 8.97（满分 10），成功率 76.36%，显著优于现有方法，且模型与代码已全部开源。来源：https://mp.weixin.qq.com/s/e0X_0oF46oYJNqyAI3qetQ
页:
[1]