EditVid：无需训练的统一视频编辑框架，兼顾指令与主体引导

EditVid 提出一个无需训练的视频编辑框架，通过稀疏因果记忆、基于对应关系的注意力后 token 注入和软潜在混合，在单一框架内同时支持指令引导与参考引导编辑，涵盖风格迁移、属性修改、物体插入等任务。在 FiVE 基准上，EditVid 取得 78.16 FiVE-Acc，而最强的免训练基线为 58.95；用户研究中，EditVid 相对 7 种竞品获得 51.8% 的整体偏好。