研究者らは、汎用かつ指示駆動のビデオ編集を推進するために、スケーラブルなデータ構築とモデル学習を組み合わせた統合フレームワークであるVideoX-Qwenを発表しました。このシステムは、方向性編集レコードを生成するために特殊化されたモデルを整理する生産パイプラインを利用し、追加、削除、置換、属性タスクにわたって120万以上の高品質サンプルをもたらします。

  • パイプラインは89%の自動承認率で120万以上の方向性ビデオ編集レコードを生成します。
  • 統一されたQwen-Wanエディターは、マルチモーダル意味条件と密集したソースビデオ潜在ガイダンスを組み合わせて、正確な変換を実現します。
  • UniVideoおよびKling O1との比較において、VideoX-Qwenは指示のフォローアップとコンテンツの保持を含む報告された11指標のうち9つで最高の平均結果を達成しました。

この研究は、大規模なペアワイズ監督とビデオ生成バックボーンの効果的な適応という必要性に対処することで、より強力なビデオ編集のための実用的な基盤を提供します。