EgoEdit

EgoPlay系统实现了面向第一人称视频流的事件触发视频编辑

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。