Tag · 2 篇
RoPE-位置编码
分布 图像编辑与可控生成1生成模型与扩散1
01 02
VideoCoF：基于时序推理器的统一视频编辑
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。
Gloria：基于内容锚帧的一致角色视频生成
Gloria: Consistent Character Video Generation via Content Anchors
把角色外观压缩成少量「锚帧」作为参考条件，并用 RoPE 位置偏移区分多张参考图、用超集内容锚定抑制复制粘贴，这套「多参考条件去冲突」思路可直接迁移到任何以参考图驱动的视频/图像生成任务。