NOVA：稀疏控制密集合成的无配对视频编辑
计算机视觉与模式识别
2026-03-04 v1
摘要
近期视频编辑模型取得了显著进展，但大多数仍需大规模配对数据集。收集此类天然对齐的配对数据在规模上仍具有高度挑战性，尤其是针对局部视频编辑数据。现有的解决方案通过全局运动控制将图像编辑迁移到视频，以实现无配对视频编辑，但此类设计在背景和时间一致性方面存在困难。本文提出了 NOVA：稀疏控制密集合成框架，用于无配对视频编辑。具体而言，稀疏分支通过用户在视频中分布的编辑关键帧提供语义指导，密集分支持续整合原视频的运动和纹理信息，以保持高保真度和一致性。此外，我们引入降解模拟训练策略，使模型能够通过训练人工降解视频来学习运动重建和时间一致性，从而无需配对数据。我们的大量实验表明，NOVA 在编辑保真度、运动保持和时间一致性方面均优于现有方法。
引用
@article{arxiv.2603.02802,
title = {NOVA: Sparse Control, Dense Synthesis for Pair-Free Video Editing},
author = {Tianlin Pan and Jiayi Dai and Chenpu Yuan and Zhengyao Lv and Binxin Yang and Hubery Yin and Chen Li and Jing Lyu and Caifeng Shan and Chenyang Si},
journal= {arXiv preprint arXiv:2603.02802},
year = {2026}
}
备注
Accepted by CVPR 2026