一个名为 VitronEdit 的新研究模型已被开发出来,用于将图像、视频和 3D 场景编辑统一到一个单一框架中。该模型在 2026 年 10 月 19 日发布的论文中有详细介绍,支持基于文本的编辑,并为图像和视频提供可选的参考图像,同时在多个视点之间保持 3D 场景编辑的几何一致性。研究人员发现,对 3D 训练数据应用几何监督也能提高图像和视频编辑任务的性能。VitronEdit 的代码和模型权重是公开可用的,尽管目前它被定位为一个研究发布版本。 AI
影响 这种跨不同媒体类型的统一编辑方法可以简化内容创作工作流程。
排序理由 详细介绍新模型(代码和权重可用)的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →