Tiancheng Shen

新的QK-Edit框架增强了MM-DiT的图像和视频编辑能力

研究人员开发了QK-Edit，一个新颖的框架，旨在增强多模态扩散 Transformer (MM-DiT) 在图像和视频处理方面的编辑能力。与难以处理MM-DiT注意力机制的传统方法不同，QK-Edit采用一种无需训练的方法，通过查询键（query-key）操纵来精确控制编辑。该方法支持对象添加、删除、替换和风格转换等任务，并在FLUX和HunyuanVideo等模型上展示了改进的性能。