Camera Pose Change

EditStream 框架统一视频生成和编辑任务

研究人员推出 EditStream，一个用于交互式视频生成和编辑的统一框架。该系统利用 Diffusion Transformer (DiT) 模型来处理多种视频操作任务，包括文本到视频、图像到视频和参考引导编辑。为了实现高效、少步数的自回归生成以支持交互式使用，EditStream 采用了两阶段蒸馏方法，结合了速度矩匹配 (VMM) 和自回归展开，这有助于保持生成质量和时间稳定性。