研究人员开发了EgoPlay，一个用于第一人称视频流中事件触发视频编辑的新颖系统。该系统通过V2V扩散Transformer进行微调，主要使用Ego4D数据，能够识别视频中的特定事件，并仅对事件后的片段应用编辑。EgoPlay将事件识别、时间控制和像素级编辑整合到一个端到端的模型中，在编辑质量、视觉质量和背景一致性方面，在Ego4D基准测试中优于EgoEdit等现有基线。 AI
影响 这项研究推进了第一人称视频编辑能力，可能在增强现实和个性化内容创作等领域实现更复杂的应用。
排序理由 该集群描述了一篇详细介绍新AI模型和数据集的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.24560v1 Announce Type: cross Abstract: We introduce EgoPlay, an event-triggered video-to-video editor for egocentric streams, obtained by fine-tuning a pretrained V2V diffusion transformer on event-conditioned data built primarily from Ego4D. Given a monocular video an…
We introduce EgoPlay, an event-triggered video-to-video editor for egocentric streams, obtained by fine-tuning a pretrained V2V diffusion transformer on event-conditioned data built primarily from Ego4D. Given a monocular video and an event-triggered prompt of the form "when X ha…