Peneliti mempersembahkan VideoX-Qwen, sebuah kerangka kerja terintegrasi yang menggabungkan konstruksi data yang dapat diskalakan dengan pelatihan model untuk memajukan pengeditan video tujuan umum yang digerakkan oleh instruksi. Sistem ini memanfaatkan pipeline produksi yang mengorganisir model khusus untuk menghasilkan catatan pengeditan arah, menghasilkan lebih dari 1,2 juta sampel berkualitas tinggi dalam tugas penambahan, penghapusan, penggantian, dan atribut.
- Pipeline menghasilkan lebih dari 1,2 juta catatan pengeditan video arah dengan tingkat penerimaan otomatis sebesar 89%.
- Editor terpadu Qwen-Wan menggabungkan kondisioning semantik multimodal dengan panduan laten video sumber yang padat untuk transformasi yang tepat.
- Dalam perbandingan dengan UniVideo dan Kling O1, VideoX-Qwen mencapai hasil rata-rata terbaik pada sembilan dari sebelas metrik yang dilaporkan, termasuk mengikuti instruksi dan pelestarian konten.
Karya ini memberikan dasar praktis untuk pengeditan video yang lebih mampu dengan mengatasi kebutuhan akan pengawasan berpasangan skala besar dan adaptasi efektif backbone generasi video.