Tag · 1 篇
VideoCoF: Unified Video Editing with Temporal Reasoner
把「先预测编辑区域隐变量、再生成目标视频」的思维链式两阶段生成范式引入视频扩散模型，用推理 token 替代用户掩码实现指令到区域的精确对齐；其 RoPE 对齐策略还可用于超出训练时长的视频长度外推，对做指令驱动编辑与长视频生成的人可直接复用。