IXThinker·2025-12-12 15:40

純文字驅動影片編輯 LoVoRA免遮罩精準增刪對象

清華大學、華為與中國科學技術大學團隊提出LoVoRA，實現純文字驅動的影片對象移除與添加，無需用戶提供遮罩或參考幀。方法結合大語言模型與擴散模型，在保持背景連貫與時序一致的前提下精準完成編輯。

現有方法痛點

文字驅動的影片對象編輯要求同時做到精準定位、背景連續、時序一致與語義匹配。現有方法大多依賴用戶在推理時提供掩碼或參考幀來圈定編輯區域，既抬高使用門檻，也限制真實場景的泛化能力。