参考视频引导

EffectMaker：统一推理与生成实现定制化视觉效果创作

EffectMaker: Unifying Reasoning and Generation for Customized Visual Effect Creation

用多模态大语言模型做高层特效语义推理、扩散 Transformer 通过上下文学习从参考视频提取细粒度视觉线索，形成语义-视觉双路引导，实现无需逐特效微调的参考驱动视频特效合成，可直接迁移到风格化视频编辑与参考引导的可控生成。