SemantiScene-Edit：指令引导视频编辑方法

2026年10月30日，arXiv Artificial Intelligence 刊出 Xinyu Chen 等作者的论文，提出面向指令引导视频编辑的方法 SemantiScene-Edit。据该报道，该方法将多模态编码器与预训练视频扩散 Transformer 结合，目标是按指令编辑视频，同时保留源视频的外观与时序结构。模型采用双路径设计：一条是可学习查询经可训练连接器和交叉注意力传递语义上下文，另一条视觉路径在 patch embedding 前拼接源视频 latent 与噪声目标 latent。报道未披露训练数据规模、评测基准、定量结果、开源情况或使用限制。目前该工作处于论文发布阶段，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。