EditCtrl：用于实时生成视频编辑的局部与全局控制解耦
计算机视觉与模式识别
2026-04-02 v2
摘要
高保真生成视频编辑通过利用预训练视频基础模型取得了显著质量提升，但计算成本仍是主要瓶颈，因为它们往往不高效地处理整个视频上下文，尽管编辑掩码大小有限。本文引入 EditCtrl，一种高效视频填补控制框架，仅在所需位置进行计算。我们提出的局部视频上下文模块仅作用于掩码 token，计算成本与编辑规模成正比。这种以局部为先的生成过程由轻量级时序全局上下文嵌入器引导，确保视频整体一致性，开销最小。EditCtrl 比当前最先进的生成编辑方法高效 10 倍，甚至在设计为全注意力时也能提升编辑质量。我们展示了 EditCtrl 解锁了新能力，包括基于文本提示的多区域编辑和自回归内容传播。
引用
@article{arxiv.2602.15031,
title = {EditCtrl: Disentangled Local and Global Control for Real-Time Generative Video Editing},
author = {Yehonathan Litman and Shikun Liu and Dario Seyb and Nicholas Milef and Yang Zhou and Carl Marshall and Shubham Tulsiani and Caleb Leak},
journal= {arXiv preprint arXiv:2602.15031},
year = {2026}
}
备注
Project page: https://yehonathanlitman.github.io/edit_ctrl