多主体视频编辑新突破：MDN-Control无需训练，CM-Err最低、Q-Edit最高！
MDN-Control: Mask-Depth-Noise Guided Region Control for Multi-Subject Video Editing
📖 AI 总结
多主体视频编辑的核心难点在于，修改指定目标的同时保持非目标内容不变，往往会出现跨主体属性泄漏和遮挡边界模糊的问题。现有方法主要依赖掩码，难以区分相互重叠的主体，也难以保证生成的一致性。针对这些不足，作者提出MDN-Control，一个无需训练的框架，联合控制目标定位、遮挡几何与外观初始化：掩码引导的定位提供稳定的目标位置，深度感知的遮挡控制化解重叠主体间的边界歧义，噪声潜在提示则从噪声库中检索与提示相关的高斯初始化先验。在MSVBench上的实验表明，该方法取得了最低的CM-Err和最高的Q-Edit，同时在文本对齐和时间一致性上保持竞争力，说明融合空间、几何与潜在先验对多主体视频编辑是有效的。
🔑 关键词速览
| MDN-Control | 本文提出的无需训练的多主体视频编辑框架，联合控制掩码、深度和噪声先验。 |
| Mask-Depth-Noise | 指掩码引导定位、深度感知遮挡控制和噪声潜在提示三种控制信号。 |
| MSVBench | 用于评估多主体视频编辑性能的基准数据集。 |
| CM-Err | 跨主体属性泄漏误差指标，衡量编辑后主体间属性混淆的程度。 |
| Q-Edit | 编辑质量指标，评估编辑结果与目标提示的符合程度及视觉质量。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅