V-RGBX: 具备内蕴属性精确控制的视频编辑
计算机视觉与模式识别
2025-12-15 v1
摘要
大规模视频生成模型在建模真实场景中的照片级真实外观和光照交互方面展现了显著潜力。然而，一个联合理解内蕴场景属性（如反照率、法线、材质和辐照度）、利用它们进行视频合成并支持可编辑内蕴表示的闭环框架尚未被探索。我们提出了 V-RGBX，这是首个内蕴感知的视频编辑框架。V-RGBX 统一了三个关键能力：(1) 将视频逆渲染为内蕴通道，(2) 从这些内蕴表示进行照片级真实的视频合成，以及 (3) 基于关键帧、以内蕴通道为条件的视频编辑。V-RGBX 的核心是一种交错条件机制，使用户通过选择的关键帧实现直观、物理基础的视频编辑，支持对任意内蕴模态的灵活操作。广泛的定性和定量结果表明，V-RGBX 产生了时间一致的、照片级真实的视频，并以物理合理的方式将关键帧编辑传播到序列中。我们在多样化的应用中展示了其有效性，包括物体外观编辑和场景级重光照，超越了先前方法的性能。
引用
@article{arxiv.2512.11799,
title = {V-RGBX: Video Editing with Accurate Controls over Intrinsic Properties},
author = {Ye Fang and Tong Wu and Valentin Deschaintre and Duygu Ceylan and Iliyan Georgiev and Chun-Hao Paul Huang and Yiwei Hu and Xuelin Chen and Tuanfeng Yang Wang},
journal= {arXiv preprint arXiv:2512.11799},
year = {2025}
}
备注
Project Page: https://aleafy.github.io/vrgbx