好的噪声成就好的编辑：基于扩散的无训练视频编辑与图像和文本提示
计算机视觉与模式识别
2025-12-23 v2
摘要
我们提出了VINO，第一个基于图像和文本条件的零样本、无训练视频编辑方法。我们的方法引入了-start采样和膨胀双掩码来构建结构化噪声图，从而实现连贯且准确的编辑。为了进一步增强视觉保真度，我们提出了零图像引导，一种可控的负提示策略。大量实验表明，VINO忠实地将参考图像融入视频编辑中，与最先进基线相比取得了强劲性能，且无需任何测试时或实例特定训练。
引用
@article{arxiv.2506.12520,
title = {Good Noise Makes Good Edits: A Training-Free Diffusion-Based Video Editing with Image and Text Prompts},
author = {Saemee Choi and Sohyun Jeong and Hyojin Jang and Jaegul Choo and Jinhee Kim},
journal= {arXiv preprint arXiv:2506.12520},
year = {2025}
}